tf.compat.v1.train.sdca_optimizer

Распределённая версия оптимизатора Stochastic Dual Coordinate Ascent (SDCA) для

tf.compat.v1.train.sdca_optimizer(
    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 строго выпуклая, оптимизатор оптимизирует двойственную целевую функцию на каждом шаге. Оптимизатор применяет каждый обновление по одному примеру за раз. Примеры выбираются равномерно, и оптимизатор не зависит от скорости обучения, а демонстрирует линейную скорость сходимости.

Proximal Stochastic Dual Coordinate Ascent.
Шаи Шалеф-Шварц, Тонг Чжан. 2012

\[ЦелеваяФункцияПотери = \sum f_{i} (wx_{i}) + (l2 / 2) * |w|^2 + l1 * |w|\]

Adding vs. Averaging in Distributed Primal-Dual Optimization.
Чэньсин Ма, Вирджиния Смит, Мартин Яджи, Майкл И. Джордан, Петер Рихтарик, Мартин Такач. 2015

Stochastic Dual Coordinate Ascent with Adaptive Probabilities.
Доминик Чсиба, Чжэн Ку, Петер Рихтарик. 2015

Аргументы
`sparse_example_indices`	Список `Tensor` объектов типа `int64`. Список векторов, содержащих индексы примеров.
`sparse_feature_indices`	Список такой же длины, как `sparse_example_indices`, содержащий `Tensor` объекты типа `int64`. Список векторов, содержащих индексы признаков.
`sparse_feature_values`	Список `Tensor` объектов типа `float32`. Список векторов, содержащих значения признаков, связанные с каждой группой признаков.
`dense_features`	Список `Tensor` объектов типа `float32`. Список матриц, содержащих плотные значения признаков.
`example_weights`	`Tensor` типа `float32`. Вектор, содержащий вес, связанный с каждым примером.
`example_labels`	`Tensor` типа `float32`. Вектор, содержащий метку/цель, связанную с каждым примером.
`sparse_indices`	Список такой же длины, как `sparse_example_indices`, содержащий `Tensor` объекты типа `int64`. Список векторов, где каждое значение является индексами, соответствующими весам в sparse_weights. Это поле может быть опущено для плотного подхода.
`sparse_weights`	Список такой же длины, как `sparse_example_indices`, содержащий `Tensor` объекты типа `float32`. Список векторов, где каждое значение представляет собой вес, связанный с группой разреженных признаков.
`dense_weights`	Список такой же длины, как `dense_features`, содержащий `Tensor` объекты типа `float32`. Список векторов, где значения представляют собой веса, связанные с группой плотных признаков.
`example_state_data`	`Tensor` типа `float32`. Список векторов, содержащих данные состояния примеров.
`loss_type`	Тип первичной функции потерь из: `"logistic_loss", "squared_loss", "hinge_loss", "smooth_hinge_loss", "poisson_loss"`. В настоящее время SdcaSolver поддерживает логистические, квадратичные и разрывные функции потерь.
`l1`	Сила симметричной регуляризации l1.
`l2`	Сила симметричной регуляризации l2.
`num_loss_partitions`	Целое число, представляющее собой количество разбиений глобальной функции потерь.
`num_inner_iterations`	Целое число, представляющее количество итераций на мини-пакет.
`adaptative`	Необязательный параметр. По умолчанию `True`. Использовать адаптивный SDCA для внутреннего цикла.
`name`	Название операции (необязательно).

Возвращаемые значения
Кортеж из `Tensor` объектов (out_example_state_data, out_delta_sparse_weights, out_delta_dense_weights).
`out_example_state_data`	`Tensor` типа `float32`.
`out_delta_sparse_weights`	Список такой же длины, как `sparse_example_indices`, содержащий `Tensor` объекты типа `float32`.
`out_delta_dense_weights`	Список такой же длины, как `dense_features`, содержащий `Tensor` объекты типа `float32`.

© 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/versions/r2.9/api_docs/python/tf/compat/v1/train/sdca_optimizer