tf.raw_ops.SparseApplyProximalAdagrad
Разреженное обновление записей 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, uint16, complex128, half, uint32, uint64. Должен быть из переменной(). |
accum | Изменяемый Tensor. Должен иметь тот же тип, что и var. Должен быть из переменной(). |
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. Регуляризация L1. Должен быть скаляром. |
l2 | Tensor. Должен иметь тот же тип, что и var. Регуляризация L2. 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 проявиться меньшая конкуренция. |
name | Имя операции (необязательно). |
| Возвращаемые значения | |
|---|---|
Изменяемый Tensor. Имеет тот же тип, что и var. |
© 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/SparseApplyProximalAdagrad
