tensoreflusso:: ops:: SparseApplyFtrl

Aggiorna le voci rilevanti in '*var' secondo lo schema Ftrl-prossimale.

Riepilogo

Questo è per le righe per le quali abbiamo grad, aggiorniamo var, accum e linear come segue: $$accum_new = accum + grad * grad$$ $$linear += grad + (accum_{new}^{-lr_{power}} - accum^{-lr_{power}} / lr * var$$ $$quadratic = 1.0 / (accum_{new}^{lr_{power}} * lr) + 2 * l2$$ $$var = (sign(linear) * l1 - linear) / quadratic\ if\ |linear| > l1\ else\ 0.0$$ $$accum = accum_{new}$$

Argomenti:

• scope: un oggetto Scope
• var: dovrebbe provenire da una variabile().
• accum: dovrebbe provenire da una variabile().
• lineare: dovrebbe provenire da una variabile().
• grad: il gradiente.
• indici: un vettore di indici nella prima dimensione di var e accum.
• lr: fattore di scala. Deve essere uno scalare.
• l1: regolarizzazione L1. Deve essere uno scalare.
• l2: regolarizzazione L2. Deve essere uno scalare.
• lr_power: fattore di scala. Deve essere uno scalare.

Attributi facoltativi (vedi Attrs ):

• use_locking: Se True , l'aggiornamento dei tensori var e accum sarà protetto da un lock; altrimenti il ​​comportamento non è definito, ma può mostrare meno contesa.

Resi:

• Output : Uguale a "var".

Attributi pubblici

Operation operation

::tensorflow::Output out

 SparseApplyFtrl(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input var,
  ::tensorflow::Input accum,
  ::tensorflow::Input linear,
  ::tensorflow::Input grad,
  ::tensorflow::Input indices,
  ::tensorflow::Input lr,
  ::tensorflow::Input l1,
  ::tensorflow::Input l2,
  ::tensorflow::Input lr_power
)

 SparseApplyFtrl(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input var,
  ::tensorflow::Input accum,
  ::tensorflow::Input linear,
  ::tensorflow::Input grad,
  ::tensorflow::Input indices,
  ::tensorflow::Input lr,
  ::tensorflow::Input l1,
  ::tensorflow::Input l2,
  ::tensorflow::Input lr_power,
  const SparseApplyFtrl::Attrs & attrs
)

::tensorflow::Node * node() const 

 operator::tensorflow::Input() const 

 operator::tensorflow::Output() const 

Attrs UseLocking(
  bool x
)