tensorflow:: אופס:: SparseApplyFtrl

עדכן את הערכים הרלוונטיים ב-'*var' בהתאם לתוכנית ה-Ftrl-proximal.

תַקצִיר

כלומר עבור שורות שיש לנו גראד עבורן, אנו מעדכנים var, accum וליניארי באופן הבא: $$accum_new = accum + grad * grad$$ $$linear += grad + (accum_{new}^{-lr_{power}} - accum^{-lr_{power}} / lr * var$$ $$quadratic = 1.0 / (accum_{new}^{lr_{power}} * lr) + 2 * l2$$ $$var = (sign(linear) * l1 - linear) / quadratic\ if\ |linear| > l1\ else\ 0.0$$ $$accum = accum_{new}$$

טיעונים:

• scope: אובייקט Scope
• var: צריך להיות מ-Variable().
• acum: צריך להיות ממשתנה().
• ליניארי: צריך להיות ממשתנה().
• grad: השיפוע.
• מדדים: וקטור של מדדים למימד הראשון של var ו-acum.
• lr: גורם קנה מידה. חייב להיות סקלר.
• l1: הסדרת L1. חייב להיות סקלר.
• l2: הסדרת L2. חייב להיות סקלר.
• lr_power: גורם קנה מידה. חייב להיות סקלר.

מאפיינים אופציונליים (ראה Attrs ):

• use_locking: אם True , עדכון של טנסור ה-var ו-acum יהיה מוגן על ידי מנעול; אחרת ההתנהגות אינה מוגדרת, אך עלולה להפגין פחות מחלוקת.

החזרות:

• Output : זהה ל-"var".

תכונות ציבוריות

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
)