Agrége le résumé des statistiques accumulées pour le lot.
Les statistiques récapitulatives contiennent les dégradés et les hessiens accumulés pour chaque identifiant de nœud, de compartiment et de dimension.
Constantes
| Chaîne | OP_NAME | Le nom de cette opération, tel que connu par le moteur principal TensorFlow |
Méthodes publiques
| statique BoostedTreesSparseAggregateStats | créer ( Portée de portée , Opérande < TInt32 > nodeIds, Opérande < TFloat32 > gradients, Opérande < TFloat32 > hessiens, Opérande < TInt32 > featureIndices, Opérande < TInt32 > featureValues, Opérande < TInt32 > featureShape, Long maxSplits, Long numBuckets) Méthode d'usine pour créer une classe encapsulant une nouvelle opération BoostedTreesSparseAggregateStats. |
| Sortie < TInt32 > | statsRésuméIndices () int32; Indices de rang 2 des tenseurs récapitulatifs clairsemés (forme = [nombre de statistiques non nulles, 4]) Le deuxième axe ne peut être que de 4, y compris l'identifiant du nœud, la dimension de la fonctionnalité, l'identifiant du compartiment et la dimension_statistiques. |
| Sortie < TInt32 > | statsSummaryShape () Tenseur de rang 1 de sortie (shape=[4]) Le tenseur a les 4 valeurs suivantes : [max_splits, feature_dimension, num_buckets, Statistics_dimension], où Statistics_dimension = gradient_dimension + hessian_dimension. |
| Sortie < TFloat32 > | statsSummaryValues () Tenseur de rang 1 en sortie (forme = [nombre de statistiques non nulles]) |
Méthodes héritées
Constantes
chaîne finale statique publique OP_NAME
Le nom de cette opération, tel que connu par le moteur principal TensorFlow
Méthodes publiques
public static BoostedTreesSparseAggregateStats créer ( Scope scope, Operand < TInt32 > nodeIds, Operand < TFloat32 > gradients, Operand < TFloat32 > hessians, Operand < TInt32 > featureIndices, Operand < TInt32 > featureValues, Operand < TInt32 > featureShape, Long maxSplits, Long numBuckets)
Méthode d'usine pour créer une classe encapsulant une nouvelle opération BoostedTreesSparseAggregateStats.
Paramètres
| portée | portée actuelle |
|---|---|
| ID de nœud | int32; Tenseur de rang 1 contenant les identifiants de nœuds pour chaque exemple, forme [batch_size]. |
| dégradés | flotteur32 ; Tenseur de rang 2 (shape=[batch_size, logits_dimension]) avec des dégradés pour chaque exemple. |
| hessiens | flotteur32 ; Tenseur de rang 2 (shape=[batch_size, hessian_dimension]) avec des toiles de jute pour chaque exemple. |
| Indices de fonctionnalités | int32; Indices de rang 2 des tenseurs clairsemés de fonctionnalités (forme = [nombre d'entrées clairsemées, 2]). Nombre d'entrées fragmentées dans toutes les instances du lot. La première valeur est l'index de l'instance, la seconde est la dimension de la fonctionnalité. Le deuxième axe ne peut avoir que 2 valeurs, c'est-à-dire que la version dense en entrée de Tensor ne peut être qu'une matrice. |
| caractéristiqueValeurs | int32; Valeurs de rang 1 des tenseurs clairsemés de fonctionnalités (shape=[nombre d'entrées clairsemées]). Nombre d'entrées fragmentées dans toutes les instances du lot. La première valeur est l'index de l'instance, la seconde est la dimension de la fonctionnalité. |
| fonctionnalitéForme | int32; Forme dense de rang 1 de tenseurs clairsemés (shape=[2]). Le premier axe ne peut avoir que 2 valeurs, [batch_size, feature_dimension]. |
| maxSplits | entier ; le nombre maximum de divisions possibles dans l'ensemble de l'arborescence. |
| nombre de seaux | entier ; est égal à la valeur maximale possible de la fonctionnalité compartimentée + 1. |
Retour
- une nouvelle instance de BoostedTreesSparseAggregateStats
Sortie publique < TInt32 > statsSummaryIndices ()
int32; Indices de rang 2 des tenseurs récapitulatifs clairsemés (forme = [nombre de statistiques non nulles, 4]) Le deuxième axe ne peut être que de 4, y compris l'identifiant du nœud, la dimension de la fonctionnalité, l'identifiant du compartiment et la dimension_statistiques. stats_dimension = logits_dimension + hessian_dimension.
Sortie publique < TInt32 > statsSummaryShape ()
Tenseur de rang 1 de sortie (shape=[4]) Le tenseur a les 4 valeurs suivantes : [max_splits, feature_dimension, num_buckets, Statistics_dimension], où Statistics_dimension = gradient_dimension + hessian_dimension. gradient_dimension est identique à label_dimension, c'est-à-dire l'espace de sortie. hessian_dimension peut être identique à la dimension logits lorsque la toile de jute diagonale est utilisée, ou à label_dimension^2 lorsque la toile de jute complète est utilisée.