przepływ tensorowy:: ops:: ZastosujProximalAdagrad

bookmark_border Zadbaj o dobrą organizację dzięki kolekcji Zapisuj i kategoryzuj treści zgodnie ze swoimi preferencjami.

Zaktualizuj „*var” i „*accum” zgodnie z FOBOS z szybkością uczenia się Adagrad.

Streszczenie

accum += grad * grad prox_v = var - lr * grad * (1 / sqrt(accum)) var = znak(prox_v)/(1+lr*l2) * max{|prox_v|-lr*l1,0}

Argumenty:

• zakres: Obiekt Scope
• var: Powinien pochodzić ze zmiennej ().
• accum: Powinien pochodzić ze zmiennej ().
• lr: Współczynnik skalowania. Musi być skalarem.
• l1: Regularyzacja L1. Musi być skalarem.
• l2: Regularyzacja L2. Musi być skalarem.
• grad: gradient.

Opcjonalne atrybuty (patrz Attrs ):

• use_locking: Jeśli True, aktualizacja tensorów var i accum będzie chroniona blokadą; w przeciwnym razie zachowanie jest niezdefiniowane, ale może wykazywać mniejszą rywalizację.

Zwroty:

• Output : takie same jak „var”.

Atrybuty publiczne

Operation operation

::tensorflow::Output out

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

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

::tensorflow::Node * node() const 

 operator::tensorflow::Input() const 

 operator::tensorflow::Output() const 

Attrs UseLocking(
  bool x
)