tensorflow :: ops :: SparseApplyProximalGradientDescent

Atualização esparsa '* var' como algoritmo FOBOS com taxa de aprendizagem fixa.

Resumo

Isso é para linhas para as quais temos grad, atualizamos a var da seguinte maneira: $$prox_v = var - alpha * grad$$ $$var = sign(prox_v)/(1+alpha*l2) * max{|prox_v|-alpha*l1,0}$$

Argumentos:

• escopo: um objeto Scope
• var: deve ser de uma variável ().
• alfa: fator de escala. Deve ser um escalar.
• l1: regularização de L1. Deve ser um escalar.
• l2: regularização de L2. Deve ser um escalar.
• grad: O gradiente.
• índices: Um vetor de índices na primeira dimensão de var e de acum.

Atributos opcionais (consulte Attrs ):

• use_locking: Se True, a subtração será protegida por um cadeado; caso contrário, o comportamento é indefinido, mas pode exibir menos contenção.

Retorna:

• Output : igual a "var".

Atributos públicos

Operation operation

::tensorflow::Output out

 SparseApplyProximalGradientDescent(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input var,
  ::tensorflow::Input alpha,
  ::tensorflow::Input l1,
  ::tensorflow::Input l2,
  ::tensorflow::Input grad,
  ::tensorflow::Input indices
)

 SparseApplyProximalGradientDescent(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input var,
  ::tensorflow::Input alpha,
  ::tensorflow::Input l1,
  ::tensorflow::Input l2,
  ::tensorflow::Input grad,
  ::tensorflow::Input indices,
  const SparseApplyProximalGradientDescent::Attrs & attrs
)

::tensorflow::Node * node() const 

 operator::tensorflow::Input() const 

 operator::tensorflow::Output() const 

Attrs UseLocking(
  bool x
)