przepływ tensorowy:: ops:: SparseApplyFtrl

#include <training_ops.h>

Zaktualizuj odpowiednie wpisy w „*var” zgodnie ze schematem Ftrl-proximal.

Streszczenie

Oznacza to, że dla wierszy, dla których mamy grad, aktualizujemy var, accum i linear w następujący sposób:

$$accum_new = accum + grad * grad$$

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

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

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

$$accum = accum_{new}$$

Argumenty:

• zakres: Obiekt Scope
• var: Powinien pochodzić ze zmiennej ().
• accum: Powinien pochodzić ze zmiennej ().
• liniowy: powinien pochodzić ze zmiennej ().
• grad: gradient.
• indeksy: wektor indeksów do pierwszego wymiaru var i accum.
• lr: Współczynnik skalowania. Musi być skalarem.
• l1: Regularyzacja L1. Musi być skalarem.
• l2: Regularyzacja L2. Musi być skalarem.
• lr_power: Współczynnik skalowania. Musi być skalarem.

Opcjonalne atrybuty (patrz Attrs ):

• use_locking: Jeśli True , aktualizacja tensorów var i accum będzie chroniona blokadą; w przeciwnym razie zachowanie jest niezdefiniowane, ale może wykazywać mniejszą rywalizację.

Zwroty:

• Output : takie same jak „var”.

Konstruktory i destruktory
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)

Atrybuty publiczne
operation	Operation
out	:: tensorflow::Output

Funkcje publiczne
node () const	::tensorflow::Node *
operator::tensorflow::Input () const
operator::tensorflow::Output () const

Publiczne funkcje statyczne
MultiplyLinearByLr (bool x)	Attrs
UseLocking (bool x)	Attrs

Struktury
tensorflow:: ops:: SparseApplyFtrl:: Attrs	Opcjonalne moduły ustawiające atrybuty dla SparseApplyFtrl .

Atrybuty publiczne

działanie

Operation operation

na zewnątrz

::tensorflow::Output out

Funkcje publiczne

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
)

węzeł

::tensorflow::Node * node() const 

operator::tensorflow::Wejście

 operator::tensorflow::Input() const 

operator::tensorflow::Wyjście

 operator::tensorflow::Output() const 

Publiczne funkcje statyczne

PomnóżLiniowoPrzezLr

Attrs MultiplyLinearByLr(
  bool x
)

Użyj Blokowania

Attrs UseLocking(
  bool x
)