tf.compat.v1.train.sdca_optimizer

Распределенная версия оптимизатора стохастического двойственного покоординатного подъема (SDCA) для

tf.compat.v1.train.sdca_optimizer(
    sparse_example_indices: Annotated[List[Any], _atypes.Int64],
    sparse_feature_indices: Annotated[List[Any], _atypes.Int64],
    sparse_feature_values: Annotated[List[Any], _atypes.Float32],
    dense_features: Annotated[List[Any], _atypes.Float32],
    example_weights: Annotated[Any, _atypes.Float32],
    example_labels: Annotated[Any, _atypes.Float32],
    sparse_indices: Annotated[List[Any], _atypes.Int64],
    sparse_weights: Annotated[List[Any], _atypes.Float32],
    dense_weights: Annotated[List[Any], _atypes.Float32],
    example_state_data: Annotated[Any, _atypes.Float32],
    loss_type: str,
    l1: float,
    l2: float,
    num_loss_partitions: int,
    num_inner_iterations: int,
    adaptative: bool = True,
    name=None
)

линейных моделей с регуляризацией L1 + L2. Поскольку глобальная целевая функция является сильно выпуклой, на каждом шаге оптимизатор оптимизирует двойственную целевую функцию. Оптимизатор применяет каждое обновление к одному примеру за раз. Примеры выбираются равномерно; оптимизатор не требует скорости обучения и обеспечивает линейную скорость сходимости.

Проксимальный стохастический двойственный покоординатный подъем.
Shai Shalev-Shwartz, Tong Zhang. 2012

\[Loss Objective = \sum f_{i} (wx_{i}) + (l2 / 2) * |w|^2 + l1 * |w|\]

Сложение и усреднение в распределенной прямой-двойственной оптимизации.
Chenxin Ma, Virginia Smith, Martin Jaggi, Michael I. Jordan, Peter Richtarik, Martin Takac. 2015

Стохастический двойственный покоординатный подъем с адаптивными вероятностями.
Dominik Csiba, Zheng Qu, Peter Richtarik. 2015

Аргументы
`sparse_example_indices`	Список объектов `Tensor` типа `int64`. Список векторов, содержащих индексы примеров.
`sparse_feature_indices`	Список объектов `Tensor` типа `int64`, длина которого совпадает с длиной `sparse_example_indices`. Список векторов, содержащих индексы признаков.
`sparse_feature_values`	Список объектов `Tensor` типа `float32`. Список векторов, содержащих значения признаков для каждой группы признаков.
`dense_features`	Список объектов `Tensor` типа `float32`. Список матриц, содержащих плотные значения признаков.
`example_weights`	Объект `Tensor` типа `float32`. Вектор, содержащий вес, связанный с каждым примером.
`example_labels`	Объект `Tensor` типа `float32`. Вектор, содержащий метку/целевое значение, связанное с каждым примером.
`sparse_indices`	Список объектов `Tensor` типа `int64`, длина которого совпадает с длиной `sparse_example_indices`. Список векторов, где каждое значение — это индексы, которым соответствуют веса в sparse_weights. Это поле можно опустить при использовании плотного подхода.
`sparse_weights`	Список объектов `Tensor` типа `float32`, длина которого совпадает с длиной `sparse_example_indices`. Список векторов, где каждое значение — вес, связанный с разреженной группой признаков.
`dense_weights`	Список объектов `Tensor` типа `float32`, длина которого совпадает с длиной `dense_features`. Список векторов, значения которых являются весами, связанными с плотной группой признаков.
`example_state_data`	Объект `Tensor` типа `float32`. Список векторов, содержащих данные о состоянии примеров.
`loss_type`	Объект `string` из: `"logistic_loss", "squared_loss", "hinge_loss", "smooth_hinge_loss", "poisson_loss"`. Тип функции потерь прямой задачи. В настоящее время SdcaSolver поддерживает логистические, квадратичные и шарнирные функции потерь.
`l1`	Объект `float`. Сила симметричной регуляризации l1.
`l2`	Объект `float`. Сила симметричной регуляризации l2.
`num_loss_partitions`	Объект `int` со значением `>= 1`. Количество разделов глобальной функции потерь.
`num_inner_iterations`	Объект `int` со значением `>= 1`. Количество итераций на мини-пакет.
`adaptative`	Необязательный объект `bool`. По умолчанию — `True`. Определяет, следует ли использовать Adaptive SDCA во внутреннем цикле.
`name`	Имя операции (необязательно).

Возвращает
Кортеж объектов `Tensor` (out_example_state_data, out_delta_sparse_weights, out_delta_dense_weights).
`out_example_state_data`	Объект `Tensor` типа `float32`.
`out_delta_sparse_weights`	Список объектов `Tensor` типа `float32`, длина которого совпадает с длиной `sparse_example_indices`.
`out_delta_dense_weights`	Список объектов `Tensor` типа `float32`, длина которого совпадает с длиной `dense_features`.

© 2022 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 4.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/api_docs/python/tf/compat/v1/train/sdca_optimizer