เทนเซอร์โฟลว์:: ปฏิบัติการ:: SparseApplyFtrl

#include <training_ops.h>

อัปเดตรายการที่เกี่ยวข้องใน '*var' ตามรูปแบบ Ftrl-proximal

สรุป

นั่นคือสำหรับแถวที่เรามี grad เราอัปเดต var, accum และ linear ดังนี้: $$accum_new = accum + grad * grad$$ $$linear += grad + (accum_{new}^{-lr_{power}} - accum^{-lr_{power}} / lr * var$$ $$quadratic = 1.0 / (accum_{new}^{lr_{power}} * lr) + 2 * l2$$ $$var = (sign(linear) * l1 - linear) / quadratic\ if\ |linear| > l1\ else\ 0.0$$ $$accum = accum_{new}$$

ข้อโต้แย้ง:

• ขอบเขต: วัตถุ ขอบเขต
• var: ควรมาจากตัวแปร ()
• accum: ควรมาจากตัวแปร ()
• เชิงเส้น: ควรมาจากตัวแปร ()
• ผู้สำเร็จการศึกษา: การไล่ระดับสี
• ดัชนี: เวกเตอร์ของดัชนีในมิติแรกของ var และ accum
• lr: ปัจจัยการปรับขนาด ต้องเป็นสเกลาร์
• l1: การทำให้เป็นมาตรฐาน L1 ต้องเป็นสเกลาร์
• l2: การทำให้เป็นมาตรฐาน L2 ต้องเป็นสเกลาร์
• lr_power: ปัจจัยการปรับขนาด ต้องเป็นสเกลาร์

แอ็ตทริบิวต์ทางเลือก (ดู Attrs ):

• use_locking: หากเป็น True การอัปเดต var และ accum tensor จะได้รับการปกป้องด้วยการล็อค มิฉะนั้นพฤติกรรมจะไม่ได้กำหนดไว้ แต่อาจแสดงความขัดแย้งน้อยลง

ผลตอบแทน:

• Output : เหมือนกับ "var"

ตัวสร้างและผู้ทำลาย
SparseApplyFtrl (const :: tensorflow::Scope & scope, :: tensorflow::Input var, :: tensorflow::Input accum, :: tensorflow::Input linear, :: tensorflow::Input grad, :: tensorflow::Input indices, :: tensorflow::Input lr, :: tensorflow::Input l1, :: tensorflow::Input l2, :: tensorflow::Input lr_power)
SparseApplyFtrl (const :: tensorflow::Scope & scope, :: tensorflow::Input var, :: tensorflow::Input accum, :: tensorflow::Input linear, :: tensorflow::Input grad, :: tensorflow::Input indices, :: tensorflow::Input lr, :: tensorflow::Input l1, :: tensorflow::Input l2, :: tensorflow::Input lr_power, const SparseApplyFtrl::Attrs & attrs)

คุณลักษณะสาธารณะ
operation	Operation
out	:: tensorflow::Output

งานสาธารณะ
node () const	::tensorflow::Node *
operator::tensorflow::Input () const
operator::tensorflow::Output () const

ฟังก์ชันคงที่สาธารณะ
UseLocking (bool x)	Attrs

โครงสร้าง
เทนเซอร์โฟลว์ :: ops :: SparseApplyFtrl :: Attrs	ตัวตั้งค่าแอ็ตทริบิวต์ทางเลือกสำหรับ SparseApplyFtrl

คุณลักษณะสาธารณะ

การดำเนินการ

Operation operation

ออก

::tensorflow::Output out

งานสาธารณะ

SparseApplyFtrl

 SparseApplyFtrl(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input var,
  ::tensorflow::Input accum,
  ::tensorflow::Input linear,
  ::tensorflow::Input grad,
  ::tensorflow::Input indices,
  ::tensorflow::Input lr,
  ::tensorflow::Input l1,
  ::tensorflow::Input l2,
  ::tensorflow::Input lr_power
)

SparseApplyFtrl

 SparseApplyFtrl(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input var,
  ::tensorflow::Input accum,
  ::tensorflow::Input linear,
  ::tensorflow::Input grad,
  ::tensorflow::Input indices,
  ::tensorflow::Input lr,
  ::tensorflow::Input l1,
  ::tensorflow::Input l2,
  ::tensorflow::Input lr_power,
  const SparseApplyFtrl::Attrs & attrs
)

โหนด

::tensorflow::Node * node() const 

ตัวดำเนินการ::tensorflow::อินพุต

 operator::tensorflow::Input() const 

ตัวดำเนินการ::tensorflow::เอาต์พุต

 operator::tensorflow::Output() const 

ฟังก์ชันคงที่สาธารณะ

ใช้ล็อค

Attrs UseLocking(
  bool x
)