tensor akışı:: işlem:: KaynakSparseApplyProximalAdagrad

FOBOS algoritmasına göre '*var' ve '*accum' içindeki seyrek güncelleme girişleri.

Özet

Yani grad kullandığımız satırlar için var ve accum'u şu şekilde güncelliyoruz: accum += grad * grad prox_v = var prox_v -= lr * grad * (1 / sqrt(accum)) var =sign(prox_v)/(1 +lr*l2) * maksimum{|prox_v|-lr*l1,0}

Argümanlar:

• kapsam: Bir Kapsam nesnesi
• var: Bir Variable()'dan olmalıdır.
• accum: Bir Variable()'dan olmalıdır.
• lr: Öğrenme oranı. Bir skaler olmalı.
• l1: L1 düzenlemesi. Bir skaler olmalı.
• l2: L2 düzenlemesi. Bir skaler olmalı.
• grad: Gradyan.
• indeksler: var ve accum'un ilk boyutuna ait indekslerin bir vektörü.

İsteğe bağlı özellikler (bkz. Attrs ):

• use_locking: True ise, var ve accum tensörlerinin güncellenmesi bir kilitle korunacaktır; aksi takdirde davranış tanımsızdır ancak daha az çekişme sergileyebilir.

İade:

• oluşturulan Operation

Genel özellikler

Operation operation

 ResourceSparseApplyProximalAdagrad(
  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
)

 ResourceSparseApplyProximalAdagrad(
  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 ResourceSparseApplyProximalAdagrad::Attrs & attrs
)

 operator::tensorflow::Operation() const 

Attrs UseLocking(
  bool x
)