Entri pembaruan yang jarang di '*var' dan '*accum' menurut algoritma FOBOS.
Itu untuk baris yang memiliki grad, kami memperbarui var dan accum sebagai berikut: $$accum += grad grad$$$$prox_v = var$$$$prox_v -= lr grad (1 / sqrt(accum))$$$$var = sign(prox_v)/(1+lrl2) max{|prox_v|-lrl1,0}$$
Kelas Bersarang
kelas | SparseApplyProximalAdagrad.Options | Atribut opsional untuk SparseApplyProximalAdagrad |
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 > SparseApplyProximalAdagrad <T> | |
Keluaran <T> | keluar () Sama seperti "var". |
statis SparseApplyProximalAdagrad.Options | useLocking (penguncian penggunaan Boolean) |
Metode Warisan
Konstanta
String akhir statis publik OP_NAME
Nama operasi ini dikenal dengan mesin inti TensorFlow
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 SparseApplyProximalAdagrad <T> buat ( Ruang lingkup , Operan <T> var, Operan <T> accum, Operan <T> lr, Operan <T> l1, Operan <T> l2, Operan <T> grad, Operan <? extends TNumber > indeks, Opsi... opsi)
Metode pabrik untuk membuat kelas yang membungkus operasi SparseApplyProximalAdagrad baru.
Parameter
cakupan | ruang lingkup saat ini |
---|---|
var | Harus dari Variabel(). |
akumulasi | Harus dari Variabel(). |
lr | Kecepatan pembelajaran. Pasti skalar. |
l1 | Regularisasi L1. Pasti skalar. |
l2 | Regularisasi L2. Pasti skalar. |
lulusan | Gradien. |
indeks | Vektor indeks ke dalam dimensi pertama var dan accum. |
pilihan | membawa nilai atribut opsional |
Kembali
- contoh baru dari SparseApplyProximalAdagrad
public static SparseApplyProximalAdagrad.Options useLocking (Boolean useLocking)
Parameter
gunakan Penguncian | Jika Benar, pembaruan tensor var dan accum akan dilindungi oleh kunci; jika tidak, perilaku tersebut tidak terdefinisikan, namun mungkin menunjukkan lebih sedikit pertentangan. |
---|
Entri pembaruan yang jarang di '*var' dan '*accum' menurut algoritma FOBOS.
Itu untuk baris yang memiliki grad, kami memperbarui var dan accum sebagai berikut: $$accum += grad grad$$$$prox_v = var$$$$prox_v -= lr grad (1 / sqrt(accum))$$$$var = sign(prox_v)/(1+lrl2) max{|prox_v|-lrl1,0}$$
Kelas Bersarang
kelas | SparseApplyProximalAdagrad.Options | Atribut opsional untuk SparseApplyProximalAdagrad |
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 > SparseApplyProximalAdagrad <T> | |
Keluaran <T> | keluar () Sama seperti "var". |
statis SparseApplyProximalAdagrad.Options | useLocking (penguncian penggunaan Boolean) |
Metode Warisan
Konstanta
String akhir statis publik OP_NAME
Nama operasi ini dikenal dengan mesin inti TensorFlow
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 SparseApplyProximalAdagrad <T> buat ( Ruang lingkup , Operan <T> var, Operan <T> accum, Operan <T> lr, Operan <T> l1, Operan <T> l2, Operan <T> grad, Operan <? extends TNumber > indeks, Opsi... opsi)
Metode pabrik untuk membuat kelas yang membungkus operasi SparseApplyProximalAdagrad baru.
Parameter
cakupan | ruang lingkup saat ini |
---|---|
var | Harus dari Variabel(). |
akumulasi | Harus dari Variabel(). |
lr | Kecepatan pembelajaran. Pasti skalar. |
l1 | Regularisasi L1. Pasti skalar. |
l2 | Regularisasi L2. Pasti skalar. |
lulusan | Gradien. |
indeks | Vektor indeks ke dalam dimensi pertama var dan accum. |
pilihan | membawa nilai atribut opsional |
Kembali
- contoh baru dari SparseApplyProximalAdagrad
public static SparseApplyProximalAdagrad.Options useLocking (Boolean useLocking)
Parameter
gunakan Penguncian | Jika Benar, pembaruan tensor var dan accum akan dilindungi oleh kunci; jika tidak, perilaku tersebut tidak terdefinisikan, namun mungkin menunjukkan lebih sedikit pertentangan. |
---|