टेंसरफ़्लो:: ऑप्स:: रिसोर्सएप्लाईFtrlV2

Ftrl-प्रॉक्सिमल योजना के अनुसार '*var' को अपडेट करें।

सारांश

ग्रेड_विथ_श्रिंकेज = ग्रेड + 2 * एल2_श्रिंकेज * वर एक्युम_न्यू = एक्यूम + ग्रेड_विद_श्रिंकेज * ग्रेड_विथ_श्रिंकेज लीनियर + = ग्रेड_विद_श्रिंकेज + (accum_new^(-lr_power) - accum^(-lr_power)) / lr * var क्वाड्रैटिक = 1.0 / (accum_new^(lr_power) * lr) + 2 * l2 var = (चिह्न(रैखिक) * l1 - रैखिक) / द्विघात यदि |रैखिक| > एल1 अन्यथा 0.0 संचय = संचय_नया

तर्क:

• स्कोप: एक स्कोप ऑब्जेक्ट
• var: एक वेरिएबल() से होना चाहिए।
• संचय: एक वेरिएबल() से होना चाहिए।
• रैखिक: एक वेरिएबल() से होना चाहिए।
• ग्रेड: ग्रेडिएंट.
• एलआर: स्केलिंग कारक। एक अदिश राशि होनी चाहिए.
• एल1: एल1 नियमितीकरण। एक अदिश राशि होनी चाहिए.
• एल2: एल2 सिकुड़न नियमितीकरण। एक अदिश राशि होनी चाहिए.
• lr_power: स्केलिंग कारक। एक अदिश राशि होनी चाहिए.

वैकल्पिक विशेषताएँ (देखें Attrs ):

• उपयोग_लॉकिंग: यदि True , तो var और Accum Tensors का अद्यतनीकरण लॉक द्वारा संरक्षित किया जाएगा; अन्यथा व्यवहार अपरिभाषित है, लेकिन कम विवाद प्रदर्शित कर सकता है।

रिटर्न:

• बनाया गया Operation

सार्वजनिक गुण

Operation operation

 ResourceApplyFtrlV2(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input var,
  ::tensorflow::Input accum,
  ::tensorflow::Input linear,
  ::tensorflow::Input grad,
  ::tensorflow::Input lr,
  ::tensorflow::Input l1,
  ::tensorflow::Input l2,
  ::tensorflow::Input l2_shrinkage,
  ::tensorflow::Input lr_power
)

 ResourceApplyFtrlV2(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input var,
  ::tensorflow::Input accum,
  ::tensorflow::Input linear,
  ::tensorflow::Input grad,
  ::tensorflow::Input lr,
  ::tensorflow::Input l1,
  ::tensorflow::Input l2,
  ::tensorflow::Input l2_shrinkage,
  ::tensorflow::Input lr_power,
  const ResourceApplyFtrlV2::Attrs & attrs
)

 operator::tensorflow::Operation() const 

Attrs UseLocking(
  bool x
)