flujo tensor:: operaciones:: SparseApplyProximalAdagrad

Entradas de actualización escasas en '*var' y '*accum' según el algoritmo FOBOS.

Resumen

Es decir, para las filas para las que tenemos grad, actualizamos var y accum de la siguiente manera: $$accum += grad * grad$$ $$prox_v = var$$ $$prox_v -= lr * grad * (1 / sqrt(accum))$$ $$var = sign(prox_v)/(1+lr*l2) * max{|prox_v|-lr*l1,0}$$

Argumentos:

• alcance: un objeto de alcance
• var: Debe ser de una Variable().
• accum: Debe ser de una Variable().
• lr: tasa de aprendizaje. Debe ser un escalar.
• l1: regularización L1. Debe ser un escalar.
• l2: regularización L2. Debe ser un escalar.
• grad: El gradiente.
• índices: Un vector de índices en la primera dimensión de var y accum.

Atributos opcionales (ver Attrs ):

• use_locking: si es Verdadero, la actualización de los tensores var y accum estará protegida por un bloqueo; de lo contrario, el comportamiento no está definido, pero puede presentar menos contención.

Devoluciones:

• Output : Igual que "var".

Atributos públicos

Operation operation

::tensorflow::Output out

 SparseApplyProximalAdagrad(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input var,
  ::tensorflow::Input accum,
  ::tensorflow::Input lr,
  ::tensorflow::Input l1,
  ::tensorflow::Input l2,
  ::tensorflow::Input grad,
  ::tensorflow::Input indices
)

 SparseApplyProximalAdagrad(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input var,
  ::tensorflow::Input accum,
  ::tensorflow::Input lr,
  ::tensorflow::Input l1,
  ::tensorflow::Input l2,
  ::tensorflow::Input grad,
  ::tensorflow::Input indices,
  const SparseApplyProximalAdagrad::Attrs & attrs
)

::tensorflow::Node * node() const 

 operator::tensorflow::Input() const 

 operator::tensorflow::Output() const 

Attrs UseLocking(
  bool x
)