إدخالات تحديث متفرقة في '*var' و'*accum' وفقًا لخوارزمية FOBOS.
هذا بالنسبة للصفوف التي لدينا grad لها، نقوم بتحديث var وaccum على النحو التالي: $$accum += grad grad$$$$prox_v = var$$$$prox_v -= lr grad (1 / sqrt(accum))$$$$var = sign(prox_v)/(1+lrl2) max{|prox_v|-lrl1,0}$$
فئات متداخلة
| فصل | SparseApplyProximalAdagrad.Options | السمات الاختيارية لـ SparseApplyProximalAdagrad | |
الثوابت
| خيط | OP_NAME | اسم هذه العملية كما هو معروف بواسطة محرك TensorFlow الأساسي | 
الأساليب العامة
| الإخراج <T> |  كإخراج ()  إرجاع المقبض الرمزي للموتر. | 
| ثابت <T يمتد TType > SparseApplyProximalAdagrad <T> | |
| الإخراج <T> |  خارج ()  نفس "فار". | 
| ثابت SparseApplyProximalAdagrad.Options |  useLocking (استخدام منطقي منطقي)  | 
الطرق الموروثة
الثوابت
السلسلة النهائية الثابتة العامة OP_NAME
اسم هذه العملية كما هو معروف بواسطة محرك TensorFlow الأساسي
الأساليب العامة
الإخراج العام <T> كإخراج ()
إرجاع المقبض الرمزي للموتر.
المدخلات إلى عمليات TensorFlow هي مخرجات عملية TensorFlow أخرى. يتم استخدام هذه الطريقة للحصول على مقبض رمزي يمثل حساب الإدخال.
إنشاء SparseApplyProximalAdagrad <T> ثابت عام (نطاق النطاق ، المعامل <T> var، المعامل <T> تراكم، المعامل <T> lr، المعامل <T> l1، المعامل <T> l2، المعامل <T> grad، المعامل <؟ يمتد TNumber > المؤشرات، الخيارات... الخيارات)
طريقة المصنع لإنشاء فئة تغلف عملية SparseApplyProximalAdagrad جديدة.
حدود
| نِطَاق | النطاق الحالي | 
|---|---|
| فار | يجب أن يكون من متغير (). | 
| تراكم | يجب أن يكون من متغير (). | 
| lr | معدل التعلم. يجب أن يكون العددية. | 
| l1 | تسوية L1. يجب أن يكون العددية. | 
| l2 | تسوية L2. يجب أن يكون العددية. | 
| خريج | التدرج. | 
| المؤشرات | متجه للمؤشرات في البعد الأول من var وaccum. | 
| خيارات | يحمل قيم السمات الاختيارية | 
المرتجعات
- مثيل جديد من SparseApplyProximalAdagrad
SparseApplyProximalAdagrad.Options العام الثابت useLocking (الاستخدام المنطقي)
حدود
| useLocking | إذا كان صحيحًا، فسيتم حماية تحديث موترتي var وaccum بواسطة قفل؛ وإلا فإن السلوك غير محدد، ولكنه قد يحمل قدرًا أقل من الخلاف. | 
|---|