tf.raw_ops.SdcaOptimizer

Распределённая версия оптимизатора стохастического двойственного покоординатного подъёма (SDCA) для

Просмотреть псевдонимы

Псевдонимы совместимости для миграции

Подробнее см. в руководстве по миграции.

tf.compat.v1.raw_ops.SdcaOptimizer

tf.raw_ops.SdcaOptimizer(
    sparse_example_indices,
    sparse_feature_indices,
    sparse_feature_values,
    dense_features,
    example_weights,
    example_labels,
    sparse_indices,
    sparse_weights,
    dense_weights,
    example_state_data,
    loss_type,
    l1,
    l2,
    num_loss_partitions,
    num_inner_iterations,
    adaptative=True,
    name=None
)

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

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

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

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

Стохастический двойственный покоординатный подъём 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 той же длины, что и `sparse_example_indices`, объектов `Tensor` типа `int64`. Список векторов, содержащих индексы признаков.
`sparse_feature_values`	Список объектов `Tensor` типа `float32`. Список векторов, содержащих значения признаков, связанные с каждой группой 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 той же длины, что и `sparse_example_indices`, объектов `Tensor` типа `int64`. Список векторов, в каждом значении которых указаны индексы соответствующих весов в sparse_weights. Это поле можно опустить при плотном подходе.
`sparse_weights`	Список той же длины, что и `sparse_example_indices`, объектов `Tensor` типа `float32`. Список векторов, где каждое значение — это вес, связанный с разреженной группой признаков.
`dense_weights`	Список той же длины, что и `dense_features`, объектов `Tensor` типа `float32`. 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 прямой функции потерь. 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`. Число разбиений глобальной функции потерь.
`num_inner_iterations`	Объект `int` со значением `>= 1`. Число итераций на мини-пакет.
`adaptative`	Необязательный объект `bool`. По умолчанию — `True`. Использовать ли адаптивный SDCA во внутреннем цикле.
`name`	Имя операции (необязательно).

Возвращаемые значения
Кортеж из 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 той же длины, что и `sparse_example_indices`, объектов `Tensor` типа `float32`.
`out_delta_dense_weights`	Список той же длины, что и `dense_features`, объектов `Tensor` типа `float32`.

© 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/raw_ops/SdcaOptimizer