SparseApplyFtrl

পাবলিক ফাইনাল ক্লাস SparseApplyFtrl

Ftrl-প্রক্সিমাল স্কিম অনুযায়ী '*var'-এ প্রাসঙ্গিক এন্ট্রি আপডেট করুন।

যে সারিগুলির জন্য আমাদের গ্র্যাড আছে, আমরা var, accum এবং লিনিয়ারকে নিম্নরূপ আপডেট করি: grad_with_shrinkage = grad + 2 * l2_shrinkage * var accum_new = accum + grad * grad linear += grad_with_srinkage - (accum_new^(-lr_power) (-lr_power)) / lr * var quadratic = 1.0 / (accum_new^(lr_power) * lr) + 2 * l2 var = (চিহ্ন(লিনিয়ার) * l1 - রৈখিক) / দ্বিঘাত যদি |লিনিয়ার| > l1 else 0.0 accum = accum_new

নেস্টেড ক্লাস

ক্লাস

SparseApplyFtrl.Options

SparseApplyFtrl এর জন্য ঐচ্ছিক বৈশিষ্ট্য

ধ্রুবক

স্ট্রিং

OP_NAME

এই অপের নাম, টেনসরফ্লো কোর ইঞ্জিন দ্বারা পরিচিত

পাবলিক পদ্ধতি

আউটপুট <T>	আউটপুট হিসাবে () টেনসরের প্রতীকী হ্যান্ডেল ফেরত দেয়।
স্ট্যাটিক <T TType প্রসারিত করে > SparseApplyFtrl <T>	তৈরি করুন ( স্কোপ স্কোপ, Operand <T> var, Operand <T> accum, Operand <T> রৈখিক, Operand <T> grad, Operand <? প্রসারিত TNumber > indices, Operand <T> lr, Operand <T> l1, Operand <T> l2, অপারেন্ড <T> l2 সংকোচন, অপারেন্ড <T> lrPower, বিকল্প... বিকল্প) একটি নতুন SparseApplyFtrl অপারেশন মোড়ানো একটি ক্লাস তৈরি করার কারখানা পদ্ধতি।
স্ট্যাটিক SparseApplyFtrl.Options	multiplyLinearByLr (বুলিয়ান মাল্টিপ্লাই লিনিয়ারবাইএলআর)
আউটপুট <T>	আউট () "var" এর মতোই।
স্ট্যাটিক SparseApplyFtrl.Options	ইউজ লকিং (বুলিয়ান ইউজ লকিং)

উত্তরাধিকারসূত্রে প্রাপ্ত পদ্ধতি

org.tensorflow.op.RawOp ক্লাস থেকে

চূড়ান্ত বুলিয়ান	সমান (অবজেক্ট অবজেক্ট)
চূড়ান্ত int	হ্যাশ কোড ()
অপারেশন	অপ () একটি একক Operation হিসাবে গণনার এই ইউনিটটি ফেরত দিন।
চূড়ান্ত স্ট্রিং	স্ট্রিং ()

java.lang.Object ক্লাস থেকে

বুলিয়ান	সমান (অবজেক্ট arg0)
চূড়ান্ত ক্লাস<?>	getClass ()
int	হ্যাশ কোড ()
চূড়ান্ত শূন্যতা	অবহিত ()
চূড়ান্ত শূন্যতা	সকলকে অবহিত করুন ()
স্ট্রিং	স্ট্রিং ()
চূড়ান্ত শূন্যতা	অপেক্ষা করুন (দীর্ঘ arg0, int arg1)
চূড়ান্ত শূন্যতা	অপেক্ষা করুন (দীর্ঘ arg0)
চূড়ান্ত শূন্যতা	অপেক্ষা করুন ()

ইন্টারফেস org.tensorflow.op.Op থেকে

বিমূর্ত মৃত্যুদন্ড পরিবেশ	env () এই অপারেটিং সিস্টেম তৈরি করা হয়েছিল সেই এক্সিকিউশন এনভায়রনমেন্ট ফিরিয়ে দিন।
বিমূর্ত অপারেশন	অপ () একটি একক Operation হিসাবে গণনার এই ইউনিটটি ফেরত দিন।

ইন্টারফেস org.tensorflow.Operand থেকে

বিমূর্ত আউটপুট <T>	আউটপুট হিসাবে () টেনসরের প্রতীকী হ্যান্ডেল ফেরত দেয়।
বিমূর্ত টি	টেনসর হিসাবে () এই অপারেন্ডে টেনসর রিটার্ন করে।
বিমূর্ত আকৃতি	আকৃতি () এই অপারেন্ডের Output দ্বারা উল্লেখিত টেনসরের (সম্ভবত আংশিক পরিচিত) আকৃতি প্রদান করে।
বিমূর্ত শ্রেণী<T>	প্রকার () এই অপারেন্ডের টেনসরের ধরন প্রদান করে

ইন্টারফেস org.tensorflow.ndarray.Shaped থেকে

বিমূর্ত int	পদমর্যাদা ()
বিমূর্ত আকৃতি	আকৃতি ()
বিমূর্ত দীর্ঘ	আকার () মানের সংখ্যায় এই পাত্রের মোট আকার গণনা করে এবং ফেরত দেয়।

ধ্রুবক

সর্বজনীন স্ট্যাটিক চূড়ান্ত স্ট্রিং OP_NAME

এই অপের নাম, টেনসরফ্লো কোর ইঞ্জিন দ্বারা পরিচিত

ধ্রুবক মান: "SparseApplyFtrlV2"

পাবলিক পদ্ধতি

সর্বজনীন আউটপুট <T> হিসাবে আউটপুট ()

টেনসরের প্রতীকী হ্যান্ডেল ফেরত দেয়।

TensorFlow অপারেশনের ইনপুট হল অন্য TensorFlow অপারেশনের আউটপুট। এই পদ্ধতিটি একটি প্রতীকী হ্যান্ডেল পেতে ব্যবহৃত হয় যা ইনপুটের গণনাকে প্রতিনিধিত্ব করে।

সর্বজনীন স্ট্যাটিক SparseApplyFtrl <T> তৈরি করুন ( স্কোপ স্কোপ, Operand <T> var, Operand <T> accum, Operand <T> লিনিয়ার, Operand <T> grad, Operand <? প্রসারিত TNumber > সূচক, Operand <T> lr, Operand <T> l1, Operand <T> l2, Operand <T> l2 সংকোচন, Operand <T> lrPower, বিকল্প... বিকল্প)

একটি নতুন SparseApplyFtrl অপারেশন মোড়ানো একটি ক্লাস তৈরি করার কারখানা পদ্ধতি।

পরামিতি

সুযোগ	বর্তমান সুযোগ
var	একটি পরিবর্তনশীল() থেকে হওয়া উচিত।
accum	একটি পরিবর্তনশীল() থেকে হওয়া উচিত।
রৈখিক	একটি পরিবর্তনশীল() থেকে হওয়া উচিত।
স্নাতক	গ্রেডিয়েন্ট।
সূচক	var এবং accum-এর প্রথম মাত্রায় সূচকগুলির একটি ভেক্টর।
lr	স্কেলিং ফ্যাক্টর। একটি স্কেলার হতে হবে।
l1	L1 নিয়মিতকরণ। একটি স্কেলার হতে হবে।
l2	L2 সংকোচন নিয়মিতকরণ। একটি স্কেলার হতে হবে।
এলআরপাওয়ার	স্কেলিং ফ্যাক্টর। একটি স্কেলার হতে হবে।
বিকল্প	ঐচ্ছিক বৈশিষ্ট্য মান বহন করে

রিটার্নস

• SparseApplyFtrl এর একটি নতুন উদাহরণ

সর্বজনীন স্ট্যাটিক SparseApplyFtrl. অপশন মাল্টিপ্লাই লিনিয়ারবাইএলআর (বুলিয়ান মাল্টিপ্লাই লাইনারবাইএলআর)

সর্বজনীন আউটপুট <T> আউট ()

"var" এর মতোই।

পাবলিক স্ট্যাটিক SparseApplyFtrl. অপশন ইউজ লকিং (বুলিয়ান ইউজ লকিং)

পরামিতি

লকিং ব্যবহার করুন	যদি `True` হয়, var এবং accum tensors আপডেট করা একটি লক দ্বারা সুরক্ষিত হবে; অন্যথায় আচরণটি অনির্ধারিত, তবে কম বিরোধ প্রদর্শন করতে পারে।