tf.raw_ops.SdcaOptimizer

Распределённая версия оптимизатора стохастического двойственного восхождения по координатам (SDCA) для

Просмотр псевдонимов

Псевдонимы для миграции

См. Руководство по миграции для получения дополнительных сведений.

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 L1 + L2 регуляризацией. Поскольку глобальная целевая функция оптимизации является строго выпуклой, оптимизатор оптимизирует двойственную целевую функцию на каждом шаге. Оптимизатор применяет каждое обновление по одному примеру за раз. Примеры выбираются равномерно, и оптимизатор не зависит от скорости обучения и имеет линейную скорость сходимости.

Проксимальное стохастическое двойственное восхождение по координатам.
Шай Шалеф-Шварц, Тонг Чжан. 2012

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

Добавление против усреднения в распределённой оптимизации по принципу прямой и двойственной задач.
Ченьсин Ма, Вирджиния Смит, Мартин Яджи, Майкл И. Джордан, Питер Рихтариц, Мартин Такач. 2015

Стохастическое двойственное восхождение по координатам с адаптивными вероятностями.
Доминик Циба, Чжэн Куй, Питер Рихтариц. 2015

Аргументы
`sparse_example_indices`	Список объектов типа `int64`. список векторов, содержащих индексы примеров.
`sparse_feature_indices`	Список с длиной, равной `sparse_example_indices`, объектов типа `int64`. список векторов, содержащих индексы признаков.
`sparse_feature_values`	Список объектов типа `float32`. список векторов, содержащих значения признаков, связанные с каждой группой признаков.
`dense_features`	Список объектов типа `float32`. список матриц, содержащих плотные значения признаков.
`example_weights`	Вектор типа `float32`. вектор, содержащий вес, связанный с каждым примером.
`example_labels`	Вектор типа `float32`. вектор, содержащий метку/цель, связанную с каждым примером.
`sparse_indices`	Список с длиной, равной `sparse_example_indices`, объектов типа `int64`. список векторов, где каждое значение — это индексы, имеющие соответствующие веса в sparse_weights. Это поле может быть опущено для плотного подхода.
`sparse_weights`	Список с длиной, равной `sparse_example_indices`, объектов типа `float32`. список векторов, где каждое значение — это вес, связанный с группой разреженных признаков.
`dense_weights`	Список с длиной, равной `dense_features`, объектов типа `float32`. список векторов, где значения — это веса, связанные с группой плотных признаков.
`example_state_data`	Вектор типа `float32`. список векторов, содержащих данные состояния примера.
`loss_type`	Значение из: `"logistic_loss", "squared_loss", "hinge_loss", "smooth_hinge_loss", "poisson_loss"`. Тип первоначальной функции потерь. В настоящее время SdcaSolver поддерживает логистические, квадратные и пороговые функции потерь.
`l1`	Симметричная сила регуляризации L1.
`l2`	Симметричная сила регуляризации L2.
`num_loss_partitions`	Число разделов глобальной функции потерь.
`num_inner_iterations`	Число итераций на мини-пакет.
`adaptative`	Необязательное значение. По умолчанию `True`. Используется ли адаптивный SDCA для внутреннего цикла.
`name`	Название операции (необязательно).

Возвращаемые значения
Кортеж из объектов (out_example_state_data, out_delta_sparse_weights, out_delta_dense_weights).
`out_example_state_data`	Вектор типа `float32`.
`out_delta_sparse_weights`	Список с длиной, равной `sparse_example_indices`, объектов типа `float32`.
`out_delta_dense_weights`	Список с длиной, равной `dense_features`, объектов типа `float32`.

© 2020 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 3.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/versions/r2.4/api_docs/python/tf/raw_ops/SdcaOptimizer