tensorflow::ops::ApplyFtrl

#include <training_ops.h>

Обновление '*var' по схеме Ftrl-proximal.

Краткое описание

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 если |linear| > l1 иначе 0.0 accum = accum_new

Аргументы:

• scope: Объект Scope
• var: Должен быть из Variable().
• accum: Должен быть из Variable().
• linear: Должен быть из Variable().
• grad: Градиент.
• lr: Коэффициент масштабирования. Должен быть скаляром.
• l1: Регуляризация L1. Должен быть скаляром.
• l2: Регуляризация L2. Должен быть скаляром.
• lr_power: Коэффициент масштабирования. Должен быть скаляром.

Необязательные атрибуты (см. Attrs):

• use_locking: Если True, обновление тензоров var и accum будет защищено блокировкой; в противном случае поведение не определено, но может демонстрировать меньшую конкуренцию.

Возвращает:

• Output: То же, что и "var".

Публичные атрибуты

Operation operation

::tensorflow::Output out

Публичные функции

 ApplyFtrl(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input var,
  ::tensorflow::Input accum,
  ::tensorflow::Input linear,
  ::tensorflow::Input grad,
  ::tensorflow::Input lr,
  ::tensorflow::Input l1,
  ::tensorflow::Input l2,
  ::tensorflow::Input lr_power
)

 ApplyFtrl(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input var,
  ::tensorflow::Input accum,
  ::tensorflow::Input linear,
  ::tensorflow::Input grad,
  ::tensorflow::Input lr,
  ::tensorflow::Input l1,
  ::tensorflow::Input l2,
  ::tensorflow::Input lr_power,
  const ApplyFtrl::Attrs & attrs
)

::tensorflow::Node * node() const 

operator::tensorflow::Input() const 

operator::tensorflow::Output() const 

Публичные статические функции

Attrs UseLocking(
  bool x
)