SparseApplyFtrl

kelas akhir publik SparseApplyFtrl

Perbarui entri yang relevan di '*var' sesuai dengan skema Ftrl-proksimal.

Itu untuk baris yang memiliki grad, kami memperbarui var, accum dan linear sebagai berikut: grad_with_shrinkage = grad + 2 * l2_shrinkage * var accum_new = accum + grad * grad linear += grad_with_shrinkage - (accum_new^(-lr_power) - accum^ (-lr_power)) / lr * var kuadrat = 1,0 / (accum_new^(lr_power) * lr) + 2 * l2 var = (tanda(linier) * l1 - linier) / kuadrat jika |linier| > l1 lain 0,0 akumulasi = akumulasi_baru

Kelas Bersarang

kelas SparseApplyFtrl.Options Atribut opsional untuk SparseApplyFtrl

Konstanta

Rangkaian OP_NAME Nama operasi ini dikenal dengan mesin inti TensorFlow

Metode Publik

Keluaran <T>
sebagai Keluaran ()
Mengembalikan pegangan simbolis tensor.
statis <T memperluas TType > SparseApplyFtrl <T>
buat ( Lingkup lingkup, Operand <T> var, Operand <T> accum, Operand <T> linear, Operand <T> grad, Operand <? extends TNumber > indeks, Operand <T> lr, Operand <T> l1, Operand <T> l2, Operan <T> l2Penyusutan, Operan <T> lrPower, Opsi... opsi)
Metode pabrik untuk membuat kelas yang membungkus operasi SparseApplyFtrl baru.
SparseApplyFtrl.Options statis
berkembang biakLinearByLr (Boolean berkembang biakLinearByLr)
Keluaran <T>
keluar ()
Sama seperti "var".
SparseApplyFtrl.Options statis
useLocking (penguncian penggunaan Boolean)

Metode Warisan

org.tensorflow.op.RawOp
boolean terakhir
sama dengan (Objek objek)
int terakhir
Kode hash ()
Operasi
op ()
Kembalikan unit komputasi ini sebagai satu Operation .
String terakhir
keString ()
boolean
sama dengan (Objek arg0)
Kelas terakhir<?>
dapatkan Kelas ()
ke dalam
Kode hash ()
kekosongan terakhir
memberitahu ()
kekosongan terakhir
beri tahuSemua ()
Rangkaian
keString ()
kekosongan terakhir
tunggu (arg0 panjang, int arg1)
kekosongan terakhir
tunggu (argumen panjang0)
kekosongan terakhir
Tunggu ()
org.tensorflow.op.Op
Lingkungan Eksekusi abstrak
env ()
Kembalikan lingkungan eksekusi tempat operasi ini dibuat.
Operasi abstrak
op ()
Kembalikan unit komputasi ini sebagai satu Operation .
org.tensorflow.Operand
Keluaran abstrak <T>
sebagai Keluaran ()
Mengembalikan pegangan simbolis tensor.
abstrak T
sebagai Tensor ()
Mengembalikan tensor pada operan ini.
Bentuk abstrak
membentuk ()
Mengembalikan bentuk tensor (yang mungkin diketahui sebagian) yang dirujuk oleh Output operan ini.
Kelas abstrak<T>
jenis ()
Mengembalikan tipe tensor operan ini
org.tensorflow.ndarray.Shaped
abstrak ke dalam
peringkat ()
Bentuk abstrak
membentuk ()
abstrak panjang
ukuran ()
Menghitung dan mengembalikan ukuran total wadah ini, dalam jumlah nilai.

Konstanta

String akhir statis publik OP_NAME

Nama operasi ini dikenal dengan mesin inti TensorFlow

Nilai Konstan: "SparseApplyFtrlV2"

Metode Publik

Keluaran publik <T> sebagai Keluaran ()

Mengembalikan pegangan simbolis tensor.

Masukan ke operasi TensorFlow adalah keluaran dari operasi TensorFlow lainnya. Metode ini digunakan untuk mendapatkan pegangan simbolis yang mewakili perhitungan input.

public static SparseApplyFtrl <T> buat ( Ruang lingkup, Operan <T> var, Operan <T> accum, Operan <T> linier, Operan <T> grad, Operan <? extends TNumber > indeks, Operan <T> lr, Operan <T> l1, Operan <T> l2, Operan <T> l2Penyusutan, Operan <T> lrPower, Opsi... opsi)

Metode pabrik untuk membuat kelas yang membungkus operasi SparseApplyFtrl baru.

Parameter
cakupan ruang lingkup saat ini
var Harus dari Variabel().
akumulasi Harus dari Variabel().
linier Harus dari Variabel().
lulusan Gradien.
indeks Vektor indeks ke dalam dimensi pertama var dan accum.
lr Faktor skala. Pasti skalar.
l1 Regularisasi L1. Pasti skalar.
l2 Regularisasi penyusutan L2. Pasti skalar.
lrKekuatan Faktor skala. Pasti skalar.
pilihan membawa nilai atribut opsional
Kembali
  • contoh baru dari SparseApplyFtrl

public static SparseApplyFtrl.Options MultiLinearByLr (Boolean MultiplyLinearByLr)

Keluaran publik <T> keluar ()

Sama seperti "var".

SparseApplyFtrl.Options useLocking statis publik (Boolean useLocking)

Parameter
gunakan Penguncian Jika `True`, pembaruan tensor var dan accum akan dilindungi oleh kunci; jika tidak, perilaku tersebut tidak terdefinisikan, namun mungkin menunjukkan lebih sedikit pertentangan.