tensorflow :: ops :: SparseApplyFtrl

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

Resumo

Isso é para linhas para as quais temos grad, atualizamos var, Accum e linear da seguinte forma: $$accum_new = accum + grad * grad$$ $$linear += grad + (accum_{new}^{-lr_{power}} - accum^{-lr_{power}} / lr * var$$ $$quadratic = 1.0 / (accum_{new}^{lr_{power}} * lr) + 2 * l2$$ $$var = (sign(linear) * l1 - linear) / quadratic\ if\ |linear| > l1\ else\ 0.0$$ $$accum = accum_{new}$$

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:

• Output : igual a "var".

Atributos públicos

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
)