przepływ tensorowy:: ops:: SparseApplyFtrl

#include <training_ops.h>

Zaktualizuj odpowiednie wpisy w „*var” zgodnie ze schematem Ftrl-proximal.

Streszczenie

Oznacza to, że dla wierszy, dla których mamy grad, aktualizujemy var, accum i linear w następujący sposób:

$$accum_new = accum + grad * grad$$
$$linear += grad + (accum_{new}^{-lr_{power} } - accum^{-lr_{power} } / lr * var$$
$$quadratic = 1.0 / (accum_{new}^{lr_{power} } * lr) + 2 * l2$$
$$var = (sign(linear) * l1 - linear) / quadratic\ if\ |linear| > l1\ else\ 0.0$$
$$accum = accum_{new}$$

Argumenty:

  • zakres: Obiekt Scope
  • var: Powinien pochodzić ze zmiennej ().
  • accum: Powinien pochodzić ze zmiennej ().
  • liniowy: powinien pochodzić ze zmiennej ().
  • grad: gradient.
  • indeksy: wektor indeksów do pierwszego wymiaru var i accum.
  • lr: Współczynnik skalowania. Musi być skalarem.
  • l1: Regularyzacja L1. Musi być skalarem.
  • l2: Regularyzacja L2. Musi być skalarem.
  • lr_power: Współczynnik skalowania. Musi być skalarem.

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”.

Konstruktory i destruktory

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)

Atrybuty publiczne

operation
out

Funkcje publiczne

node () const
::tensorflow::Node *
operator::tensorflow::Input () const
operator::tensorflow::Output () const

Publiczne funkcje statyczne

MultiplyLinearByLr (bool x)
UseLocking (bool x)

Struktury

tensorflow:: ops:: SparseApplyFtrl:: Attrs

Opcjonalne moduły ustawiające atrybuty dla SparseApplyFtrl .

Atrybuty publiczne

działanie 

Operation operation

na zewnątrz 

::tensorflow::Output out

Funkcje publiczne

SparseApplyFtrl 

 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 

 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
)

węzeł 

::tensorflow::Node * node() const

operator::tensorflow::Wejście 

 operator::tensorflow::Input() const

operator::tensorflow::Wyjście 

 operator::tensorflow::Output() const

Publiczne funkcje statyczne

PomnóżLiniowoPrzezLr 

Attrs MultiplyLinearByLr(
  bool x
)

Użyj Blokowania 

Attrs UseLocking(
  bool x
)