自定义Ftrl优化器。

def create_hash_optimizer(learning_rate, use_locking=False, name="Ftrl", **kwargs)

参数名	类型	必选/可选	说明
learning_rate	float/tf.Tensor	必选	学习率。默认值：无取值范围：[0.0, 10.0]
use_locking	bool	可选	优化器中防止对变量并发更新。默认值：False 取值范围： True False
name	string	可选	优化器名称。默认值：Ftrl 名称长度范围：[1, 200]

参数名

类型

必选/可选

说明

learning_rate

float/tf.Tensor

必选

学习率。

默认值：无

取值范围：[0.0, 10.0]

use_locking

bool

可选

优化器中防止对变量并发更新。

默认值：False

取值范围：

name

string

可选

优化器名称。

默认值：Ftrl

名称长度范围：[1, 200]

参数名	类型	必选/可选	说明
learning_rate_power	float	可选	控制训练期间学习率的下降。默认值：-0.5 取值范围：[-2147483647.0, 0.0]
initial_accumulator_value	float	可选	累积器的初始值。默认值：0.1 取值范围：(0.0, 1.0]
l1_regularization_strength	float	可选	L1正则化惩罚。默认值：0.0 取值范围：[0.0, 10000.0]
l2_regularization_strength	float	可选	L2正则化惩罚。默认值：0.0 取值范围：[0.0, 10000.0]
accum_name	string	可选	保持梯度平方累加器的变量的后缀。默认值：None 长度范围：[1, 255]
linear_name	string	可选	保持线性梯度累加器的变量的后缀。默认值：None 长度范围：[1, 255]
l2_shrinkage_regularization_strength	float	可选	L2正则化幅度惩罚。默认值：0.0 取值范围：[0.0, 10000.0]

如果通过kwargs传递其他未说明参数，则Rec SDK内部不会使用到该参数。

CustomizedFtrl（自定义Ftrl优化器）的一个实例对象。

from mx_rec.optimizers.ftrl import create_hash_optimizer
hashtable_optimizer = create_hash_optimizer(0.001)