tensorflow :: ops :: ResourceSparseApplyFtrl

Atualize as entradas relevantes em '* var' de acordo com o esquema Ftrl-proximal.

Resumo

Isso é para as linhas para as quais temos grad, atualizamos var, acum e linear da seguinte forma: acum_new = acum + grad * grad linear + = grad - (acum_new ^ (- lr_power) - acum ^ (- lr_power)) / lr * var quadrático = 1.0 / (acumular novo ^ (lr_power) * lr) + 2 * l2 var = (sinal (linear) * l1 - linear) / quadrático se | linear | > l1 else 0.0 acum = acum_new

Argumentos:

• escopo: um objeto Scope
• var: deve ser de uma variável ().
• acum: deve ser de uma variável ().
• linear: deve ser de uma variável ().
• grad: O gradiente.
• índices: Um vetor de índices na primeira dimensão de var e de acum.
• lr: Fator de escala. Deve ser um escalar.
• l1: regularização de L1. Deve ser um escalar.
• l2: regularização de L2. Deve ser um escalar.
• lr_power: Fator de escala. Deve ser um escalar.

Atributos opcionais (consulte Attrs ):

• use_locking: Se True , a atualização dos tensores var e Accum será protegida por um bloqueio; caso contrário, o comportamento é indefinido, mas pode exibir menos contenção.

Retorna:

• a Operation criada

Atributos públicos

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
)