SparseApplyProximalAdagrad

classe finale publique SparseApplyProximalAdagrad

Entrées de mise à jour éparses dans '*var' et '*accum' selon l'algorithme FOBOS.

C'est pour les lignes pour lesquelles nous avons grad, nous mettons à jour var et accumulons comme suit : $$accum += grad grad$$$$prox_v = var$$$$prox_v -= lr grad (1 / sqrt(accum))$$$$var = sign(prox_v)/(1+lrl2) max{|prox_v|-lrl1,0}$$

Classes imbriquées

classe

SparseApplyProximalAdagrad.Options

Attributs facultatifs pour SparseApplyProximalAdagrad

Constantes

Chaîne

OP_NAME

Le nom de cette opération, tel que connu par le moteur principal TensorFlow

Méthodes publiques

Sortie <T>	comme Sortie () Renvoie le handle symbolique du tenseur.
statique <T étend TType > SparseApplyProximalAdagrad <T>	créer ( Scope scope, Opérande <T> var, Opérande <T> accum, Opérande <T> lr, Opérande <T> l1, Opérande <T> l2, Opérande <T> grad, Opérande <? étend TNumber > indices, Options ... options) Méthode d'usine pour créer une classe encapsulant une nouvelle opération SparseApplyProximalAdagrad.
Sortie <T>	dehors () Identique à "var".
SparseApplyProximalAdagrad.Options statique	useLocking (booléen useLocking)

Méthodes héritées

De la classe org.tensorflow.op.RawOp

booléen final	est égal à (Obj objet)
entier final	Code de hachage ()
Opération	op () Renvoie cette unité de calcul sous la forme d'une seule Operation .
Chaîne finale	àChaîne ()

De la classe java.lang.Object

booléen	est égal à (Objet arg0)
Classe finale<?>	obtenirClasse ()
int	Code de hachage ()
vide final	notifier ()
vide final	notifierTous ()
Chaîne	àChaîne ()
vide final	attendre (long arg0, int arg1)
vide final	attendez (long arg0)
vide final	attendez ()

Depuis l'interface org.tensorflow.op.Op

résuméExécutionEnvironnement	env () Renvoie l'environnement d'exécution dans lequel cette opération a été créée.
opération abstraite	op () Renvoie cette unité de calcul sous la forme d'une seule Operation .

Depuis l'interface org.tensorflow.Operand

sortie abstraite <T>	comme Sortie () Renvoie le handle symbolique du tenseur.
résumé T	asTensor () Renvoie le tenseur à cet opérande.
Forme abstraite	forme () Renvoie la forme (éventuellement partiellement connue) du tenseur auquel fait référence la Output de cet opérande.
Classe abstraite<T>	taper () Renvoie le type de tenseur de cet opérande

Depuis l'interface org.tensorflow.ndarray.Shaped

entier abstrait	rang ()
Forme abstraite	forme ()
abstrait long	taille () Calcule et renvoie la taille totale de ce conteneur, en nombre de valeurs.

Constantes

chaîne finale statique publique OP_NAME

Le nom de cette opération, tel que connu par le moteur principal TensorFlow

Valeur constante : "SparseApplyProximalAdagrad"

Méthodes publiques

sortie publique <T> asOutput ()

Renvoie le handle symbolique du tenseur.

Les entrées des opérations TensorFlow sont les sorties d'une autre opération TensorFlow. Cette méthode est utilisée pour obtenir un handle symbolique qui représente le calcul de l’entrée.

public static SparseApplyProximalAdagrad <T> create ( Scope scope, Operand <T> var, Operand <T> accum, Operand <T> lr, Operand <T> l1, Operand <T> l2, Operand <T> grad, Operand <? étend TNumber > indices, Options... options)

Méthode d'usine pour créer une classe encapsulant une nouvelle opération SparseApplyProximalAdagrad.

Paramètres

portée	portée actuelle
var	Doit provenir d'une variable ().
cumuler	Doit provenir d'une variable ().
mdr	Taux d'apprentissage. Ça doit être un scalaire.
l1	Régularisation L1. Ça doit être un scalaire.
l2	Régularisation L2. Ça doit être un scalaire.
diplômé	Le dégradé.
indices	Un vecteur d'indices dans la première dimension de var et cumul.
choix	porte des valeurs d'attributs facultatifs

Retours

• une nouvelle instance de SparseApplyProximalAdagrad

sortie publique <T> out ()

Identique à "var".

public statique SparseApplyProximalAdagrad.Options useLocking (booléen useLocking)

Paramètres

utiliserVerrouillage	Si True, la mise à jour des tenseurs var et cumul sera protégée par un verrou ; sinon, le comportement n'est pas défini, mais peut présenter moins de conflits.