dòng chảy căng:: ôi:: Thưa thớtÁp dụngProximalGradientDescent

Cập nhật thưa thớt '*var' dưới dạng thuật toán FOBOS với tốc độ học tập cố định.

Bản tóm tắt

Đó là đối với các hàng chúng tôi đã phân cấp, chúng tôi cập nhật var như sau: $$prox_v = var - alpha * grad$$ $$var = sign(prox_v)/(1+alpha*l2) * max{|prox_v|-alpha*l1,0}$$

Lập luận:

• phạm vi: Một đối tượng Phạm vi
• var: Phải từ một Biến().
• alpha: Hệ số tỷ lệ. Phải là một vô hướng.
• l1: Chính quy hóa L1. Phải là một vô hướng.
• l2: Chính quy hóa L2. Phải là một vô hướng.
• grad: Độ dốc.
• chỉ số: Một vectơ chỉ số vào chiều thứ nhất của var và accum.

Thuộc tính tùy chọn (xem Attrs ):

• use_locking: Nếu đúng, phép trừ sẽ được bảo vệ bằng khóa; mặt khác, hành vi không được xác định, nhưng có thể ít gây tranh cãi hơn.

Trả về:

• Output : Giống như "var".

Thuộc tính công khai

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
)