tf.raw_ops.ApplyProximalGradientDescent
Обновить '*var' по алгоритму FOBOS с фиксированной скоростью обучения.
tf.raw_ops.ApplyProximalGradientDescent(
var, alpha, l1, l2, delta, use_locking=False, name=None
)
prox_v = var - alpha * delta var = sign(prox_v)/(1+alpha*l2) * max{|prox_v|-alpha*l1,0}
| Аргументы | |
|---|---|
var | Изменяемая 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(). |
alpha | Tensor. Должен иметь тот же тип, что и var. Коэффициент масштабирования. Должен быть скалярным. |
l1 | Tensor. Должен иметь тот же тип, что и var. L1 регуляризация. Должен быть скалярным. |
l2 | Tensor. Должен иметь тот же тип, что и var. L2 регуляризация. Должен быть скалярным. |
delta | Tensor. Должен иметь тот же тип, что и var. Изменение. |
use_locking | Необязательный bool. По умолчанию False. Если True, вычитание будет защищено блокировкой; в противном случае поведение не определено, но может иметь меньше конкуренции. |
name | Имя операции (необязательно). |
| Возвращаемое значение | |
|---|---|
Изменяемая Tensor. Имеет тот же тип, что и var. |
© 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/raw_ops/ApplyProximalGradientDescent
