tensorflow::ops::SparseApplyProximalGradientDescent

#include <training_ops.h>

Рассыпанное обновление '*var' по алгоритму FOBOS с фиксированной скоростью обучения.

Краткое описание

Для строк, для которых у нас есть grad, мы обновляем var следующим образом: $$prox_v = var - alpha * grad$$ $$var = sign(prox_v)/(1+alpha*l2) * max{|prox_v|-alpha*l1,0}$$

Аргументы:

• scope: Объект Scope
• var: Должен быть получен из Variable().
• alpha: Коэффициент масштабирования. Должен быть скаляром.
• l1: Регуляризация L1. Должен быть скаляром.
• l2: Регуляризация L2. Должен быть скаляром.
• grad: Градиент.
• indices: Вектор индексов в первом измерении var и accum.

Дополнительные атрибуты (см. Attrs):

• use_locking: Если True, вычитание будет защищено блокировкой; в противном случае поведение не определено, но может демонстрировать меньше конкуренции.

Возвращает:

• Output: То же, что и "var".

Общедоступные атрибуты

Operation operation

::tensorflow::Output out

Общедоступные функции

 SparseApplyProximalGradientDescent(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input var,
  ::tensorflow::Input alpha,
  ::tensorflow::Input l1,
  ::tensorflow::Input l2,
  ::tensorflow::Input grad,
  ::tensorflow::Input indices
)

 SparseApplyProximalGradientDescent(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input var,
  ::tensorflow::Input alpha,
  ::tensorflow::Input l1,
  ::tensorflow::Input l2,
  ::tensorflow::Input grad,
  ::tensorflow::Input indices,
  const SparseApplyProximalGradientDescent::Attrs & attrs
)

::tensorflow::Node * node() const 

operator::tensorflow::Input() const 

operator::tensorflow::Output() const 

Общедоступные статические функции

Attrs UseLocking(
  bool x
)