تدفق التوتر:: العمليات:: SparseApplyProximalGradientDescent

تحديث متفرق '*var' كخوارزمية FOBOS بمعدل تعلم ثابت.

ملخص

بالنسبة للصفوف التي لدينا grad لها، نقوم بتحديث var على النحو التالي: $$prox_v = var - alpha * grad$$ $$var = sign(prox_v)/(1+alpha*l2) * max{|prox_v|-alpha*l1,0}$$

الحجج:

• النطاق: كائن النطاق
• فار: يجب أن يكون من متغير ().
• ألفا: عامل التحجيم. يجب أن يكون العددية.
• l1: تسوية L1. يجب أن يكون العددية.
• l2: تسوية L2. يجب أن يكون العددية.
• غراد: التدرج.
• المؤشرات: متجه للمؤشرات في البعد الأول من var وaccum.

السمات الاختيارية (انظر Attrs ):

• use_locking: إذا كان True، فسيتم حماية الطرح بواسطة قفل؛ وإلا فإن السلوك غير محدد، ولكنه قد يحمل قدرًا أقل من الخلاف.

العوائد:

• Output : نفس "فار".

الصفات العامة

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
)