tensorflow:: אופס:: SparseApplyFtrlV2

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: grad_with_shrinkage = grad + 2 * l2_shrinkage * var accum_new = accum + grad_with_shrinkage * grad_with_shrinkage linear += grad_with_shrinkage + (accum_power_)(-lr^ (-lr_power)) / lr * var quadratic = 1.0 / (accum_new^(lr_power) * lr) + 2 * l2 var = (סימן (ליניארי) * l1 - ליניארי) / ריבועי אם |ליניארי| > l1 אחר 0.0 accum = accum_new

טיעונים:

• scope: אובייקט Scope
• var: צריך להיות מ-Variable().
• acum: צריך להיות מ-Variable().
• 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 הצטמקות 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

 SparseApplyFtrlV2(
  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 l2_shrinkage,
  ::tensorflow::Input lr_power
)

 SparseApplyFtrlV2(
  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 l2_shrinkage,
  ::tensorflow::Input lr_power,
  const SparseApplyFtrlV2::Attrs & attrs
)

::tensorflow::Node * node() const 

 operator::tensorflow::Input() const 

 operator::tensorflow::Output() const 

Attrs UseLocking(
  bool x
)