tensorflow:: عملیات:: SparseApplyFtrl

#include <training_ops.h>

ورودی‌های مرتبط در '*var' را طبق طرح Ftrl-proximal به‌روزرسانی کنید.

خلاصه

یعنی برای ردیف‌هایی که grad داریم، var، accum و linear را به صورت زیر به‌روزرسانی می‌کنیم:

$$accum_new = accum + grad * grad$$

$$linear += grad + (accum_{new}^{-lr_{power} } - accum^{-lr_{power} } / lr * var$$

$$quadratic = 1.0 / (accum_{new}^{lr_{power} } * lr) + 2 * l2$$

$$var = (sign(linear) * l1 - linear) / quadratic\ if\ |linear| > l1\ else\ 0.0$$

$$accum = accum_{new}$$

استدلال‌ها:

• دامنه: یک شیء دامنه
• var: باید از یک متغیر () باشد.
• accum: باید از یک متغیر () باشد.
• خطی: باید از یک متغیر () باشد.
• گرادیان: شیب.
• شاخص‌ها: برداری از شاخص‌ها در بعد اول var و accum.
• lr: ضریب مقیاس‌بندی. باید یک اسکالر باشد.
• l1: منظم‌سازی L1. باید اسکالر باشد.
• l2: منظم‌سازی L2. باید اسکالر باشد.
• lr_power: ضریب مقیاس‌بندی. باید یک اسکالر باشد.

ویژگی‌های اختیاری (به Attrs مراجعه کنید):

• use_locking: اگر True ، به‌روزرسانی تانسورهای var و accum توسط یک قفل محافظت می‌شود؛ در غیر این صورت رفتار تعریف نشده است، اما ممکن است رقابت کمتری را نشان دهد.

بازده:

• Output : مشابه "var" است.

سازنده‌ها و مخرب‌ها
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)

ویژگی‌های عمومی
operation	Operation
out	:: tensorflow::Output

کارکردهای عمومی
node () const	::tensorflow::Node *
operator::tensorflow::Input () const
operator::tensorflow::Output () const

توابع استاتیک عمومی
MultiplyLinearByLr (bool x)	Attrs
UseLocking (bool x)	Attrs

ساختارها
tensorflow::ops::SparseApplyFtrl::Attrs	تنظیم‌کننده‌های ویژگی اختیاری برای SparseApplyFtrl .

ویژگی‌های عمومی

عملیات

Operation operation

بیرون

::tensorflow::Output out

کارکردهای عمومی

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
)

گره

::tensorflow::Node * node() const 

عملگر::tensorflow::ورودی

 operator::tensorflow::Input() const 

عملگر::tensorflow::خروجی

 operator::tensorflow::Output() const 

توابع استاتیک عمومی

ضرب خطی با Lr

Attrs MultiplyLinearByLr(
  bool x
)

استفاده از قفل

Attrs UseLocking(
  bool x
)