تدفق التوتر:: العمليات:: ResourceSparseApplyFtrlV2

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

ملخص

هذا بالنسبة للصفوف التي لدينا تدرج لها، نقوم بتحديث var وaccum و الخطي كما يلي: grad_with_shrinkage = grad + 2 * l2_shrinkage * var accum_new = accum + grad_with_shrinkage * grad_with_shrinkage الخطي += grad_with_shrinkage + (accum_new^(-lr_power) - accum^ (-lr_power)) / lr * var تربيعي = 1.0 / (accum_new^(lr_power) * lr) + 2 * l2 var = (sign(linear) * l1 - خطي) / تربيعي if |خطي| > l1 آخر 0.0 تراكم = تراكم_جديد

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: تنظيم الانكماش 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:

• Operation التي تم إنشاؤها

الصفات العامة

Operation operation

 ResourceSparseApplyFtrlV2(
  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
)

 ResourceSparseApplyFtrlV2(
  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 ResourceSparseApplyFtrlV2::Attrs & attrs
)

 operator::tensorflow::Operation() const 

Attrs UseLocking(
  bool x
)