tf.raw_ops.ResourceApplyFtrl

Обновление '*var' по схеме Ftrl-proximal.

Просмотр псевдонимов

Псевдонимы для миграции

Дополнительные сведения см. в Руководстве по миграции.

tf.compat.v1.raw_ops.ResourceApplyFtrl

tf.raw_ops.ResourceApplyFtrl(
    var,
    accum,
    linear,
    grad,
    lr,
    l1,
    l2,
    lr_power,
    use_locking=False,
    multiply_linear_by_lr=False,
    name=None
)

accum_new = accum + grad * grad linear += grad - (accum_new^(-lr_power) - accum^(-lr_power)) / lr * var quadratic = 1.0 / (accum_new^(lr_power) * lr) + 2 * l2 var = (sign(linear) * l1 - linear) / quadratic if |linear| > l1 else 0.0 accum = accum_new

Аргументы
`var`	Переменная типа `resource`. Должна быть из Variable().
`accum`	Переменная типа `resource`. Должна быть из Variable().
`linear`	Переменная типа `resource`. Должна быть из Variable().
`grad`	Скаляр. Должен быть одним из следующих типов: `float32`, `float64`, `int32`, `uint8`, `int16`, `int8`, `complex64`, `int64`, `qint8`, `quint8`, `qint32`, `bfloat16`, `uint16`, `complex128`, `half`, `uint32`, `uint64`. Градиент.
`lr`	Скаляр. Должен иметь тот же тип, что и `grad`. Множитель масштабирования. Должен быть скаляром.
`l1`	Скаляр. Должен иметь тот же тип, что и `grad`. Регуляризация L1. Должен быть скаляром.
`l2`	Скаляр. Должен иметь тот же тип, что и `grad`. Регуляризация L2. Должен быть скаляром.
`lr_power`	Скаляр. Должен иметь тот же тип, что и `grad`. Множитель масштабирования. Должен быть скаляром.
`use_locking`	Необязательный скаляр. По умолчанию `False`. Если `True`, обновление переменных var и accum будет защищено блокировкой; в противном случае поведение не определено, но может иметь меньший конфликт.
`multiply_linear_by_lr`	Необязательный скаляр. По умолчанию `False`.
`name`	Название операции (необязательно).

Возвращаемое значение
Созданная операция.

© 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/ResourceApplyFtrl