تدفق التوتر:: العمليات:: SparseApplyFtrl

قم بتحديث الإدخالات ذات الصلة في '*var' وفقًا لمخطط Ftrl-proximal.

ملخص

هذا بالنسبة للصفوف التي قمنا بتخريجها، نقوم بتحديث var وaccum و الخطي كما يلي: $$accum_new = accum + grad * grad$$ $$linear += grad + (accum_{new}^{-lr_{power}} - accum^{-lr_{power}} / lr * var$$ $$quadratic = 1.0 / (accum_{new}^{lr_{power}} * lr) + 2 * l2$$ $$var = (sign(linear) * l1 - linear) / quadratic\ if\ |linear| > l1\ else\ 0.0$$ $$accum = accum_{new}$$

الحجج:

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

السمات الاختيارية (انظر Attrs ):

• use_locking: إذا كان True ، فسيتم حماية تحديث موترتي var وaccum 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

 SparseApplyFtrl(
  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
)

 SparseApplyFtrl(
  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 SparseApplyFtrl::Attrs & attrs
)

::tensorflow::Node * node() const 

 operator::tensorflow::Input() const 

 operator::tensorflow::Output() const 

Attrs UseLocking(
  bool x
)