tf.raw_ops.SparseApplyProximalAdagrad
Разреженное обновление элементов в 'var' и 'accum' в соответствии с алгоритмом FOBOS.
tf.raw_ops.SparseApplyProximalAdagrad(
var, accum, lr, l1, l2, grad, indices, use_locking=False, name=None
)
То есть для строк, для которых у нас есть градиент, мы обновляем var и accum следующим образом:
\[accum += grad * grad\]
\[prox_v = var\]
\[prox_v -= lr * grad * (1 / sqrt(accum))\]
\[var = sign(prox_v)/(1+lr*l2) * max{|prox_v|-lr*l1,0}\]
| Аргументы | |
|---|---|
var | Изменяемый Tensor. Должен быть одного из следующих типов: float32, float64, int32, uint8, int16, int8, complex64, int64, qint8, quint8, qint32, bfloat16, qint16, quint16, uint16, complex128, half, uint32, uint64. Должен быть получен из Variable(). |
accum | Изменяемый Tensor. Должен иметь тот же тип, что и var. Должен быть получен из Variable(). |
lr | Tensor. Должен иметь тот же тип, что и var. Скорость обучения. Должен быть скаляром. |
l1 | Tensor. Должен иметь тот же тип, что и var. L1 регуляризация. Должен быть скаляром. |
l2 | Tensor. Должен иметь тот же тип, что и var. L2 регуляризация. Должен быть скаляром. |
grad | Tensor. Должен иметь тот же тип, что и var. Градиент. |
indices | Tensor. Должен быть одного из следующих типов: int32, int64. Вектор индексов в первом измерении var и accum. |
use_locking | Необязательный bool. По умолчанию False. Если True, обновление тензоров var и accum будет защищено блокировкой; в противном случае поведение не определено, но может проявлять меньшую конкуренцию. |
name | Имя операции (необязательно). |
| Возвращаемое значение | |
|---|---|
Изменяемый Tensor. Имеет тот же тип, что и var. |
© 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/SparseApplyProximalAdagrad
