টেনসরফ্লো :: অপস:: ResourceSparseApplyFtrl

Ftrl-প্রক্সিমাল স্কিম অনুযায়ী '*var'-এ প্রাসঙ্গিক এন্ট্রি আপডেট করুন।

সারাংশ

যে সারিগুলির জন্য আমাদের গ্র্যাড আছে, আমরা var, accum এবং লিনিয়ার আপডেট করি নিম্নরূপ: accum_new = accum + grad * grad linear += grad - (accum_new^(-lr_power) - accum^(-lr_power)) / lr * var দ্বিঘাত = 1.0 / (accum_new^(lr_power) * lr) + 2 * l2 var = (চিহ্ন(রৈখিক) * l1 - রৈখিক) / দ্বিঘাত যদি |লিনিয়ার| > l1 else 0.0 accum = accum_new

যুক্তি:

• স্কোপ: একটি স্কোপ অবজেক্ট
• var: একটি পরিবর্তনশীল() থেকে হওয়া উচিত।
• accum: একটি পরিবর্তনশীল() থেকে হতে হবে।
• রৈখিক: একটি পরিবর্তনশীল() থেকে হওয়া উচিত।
• grad: গ্রেডিয়েন্ট।
• সূচক: var এবং accum-এর প্রথম মাত্রায় সূচকগুলির একটি ভেক্টর।
• lr: স্কেলিং ফ্যাক্টর। একটি স্কেলার হতে হবে।
• l1: L1 নিয়মিতকরণ। একটি স্কেলার হতে হবে।
• l2: L2 নিয়মিতকরণ। একটি স্কেলার হতে হবে।
• lr_power: স্কেলিং ফ্যাক্টর। একটি স্কেলার হতে হবে।

ঐচ্ছিক বৈশিষ্ট্য (দেখুন Attrs ):

• use_locking: যদি True , var এবং accum tensors আপডেট করা একটি লক দ্বারা সুরক্ষিত হবে; অন্যথায় আচরণটি অনির্ধারিত, তবে কম বিরোধ প্রদর্শন করতে পারে।

রিটার্ন:

• সৃষ্ট Operation

পাবলিক বৈশিষ্ট্য

Operation operation

 ResourceSparseApplyFtrl(
  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
)

 ResourceSparseApplyFtrl(
  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 ResourceSparseApplyFtrl::Attrs & attrs
)

 operator::tensorflow::Operation() const 

Attrs UseLocking(
  bool x
)