tensorflow :: operaciones :: SparseApplyFtrl

Actualice las entradas relevantes en '* var' de acuerdo con el esquema Ftrl-proximal.

Resumen

Es decir, para las filas para las que hemos graduado, actualizamos var, acum y linear de la siguiente manera: $$accum_new = accum + grad * grad$$ $$linear += grad + (accum_{new}^{-lr_{power}} - accum^{-lr_{power}} / lr * var$$ $$quadratic = 1.0 / (accum_{new}^{lr_{power}} * lr) + 2 * l2$$ $$var = (sign(linear) * l1 - linear) / quadratic\ if\ |linear| > l1\ else\ 0.0$$ $$accum = accum_{new}$$

Argumentos:

• alcance: un objeto de alcance
• var: debe ser de una variable ().
• acum: debe ser de una variable ().
• lineal: debe ser de una variable ().
• grad: El gradiente.
• índices: vector de índices en la primera dimensión de var y acum.
• lr: factor de escala. Debe ser un escalar.
• l1: Regularización L1. Debe ser un escalar.
• l2: Regularización L2. Debe ser un escalar.
• lr_power: factor de escala. Debe ser un escalar.

Atributos opcionales (consulte Attrs ):

• use_locking: si es True , la actualización de los tensores var y acumuladores estará protegida por un bloqueo; de lo contrario, el comportamiento no está definido, pero puede mostrar menos contención.

Devoluciones:

• Output : Igual que "var".

Atributos públicos

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
)