Grup için birikmiş istatistiklerin özetini toplar.
Özet istatistikler, her düğüm, grup ve boyut kimliği için biriken degradeleri ve hessian'ları içerir.
Sabitler
| Sicim | OP_NAME | Bu operasyonun TensorFlow çekirdek motoru tarafından bilinen adı |
Genel Yöntemler
| static BoostedTreesSparseAggregateStats | create ( Kapsam kapsamı, İşlenen < TInt32 > nodeIds, İşlenen < TFloat32 > degradeler, İşlenen < TFloat32 > hessians, İşlenen < TInt32 > featureIndices, İşlenen < TInt32 > featureValues, İşlenen < TInt32 > featureShape, Uzun maxSplits, Uzun numBuckets) Yeni bir BoostedTreesSparseAggregateStats işlemini saran bir sınıf oluşturmaya yönelik fabrika yöntemi. |
| Çıkış < TInt32 > | istatistikÖzetEndeksler () int32; Özet seyrek Tensörlerin 2. sıra endeksleri (şekil=[sıfır olmayan istatistiklerin sayısı, 4]) İkinci eksen, düğüm kimliği, özellik boyutu, paket kimliği ve istatistik_boyutu dahil olmak üzere yalnızca 4 olabilir. |
| Çıkış < TInt32 > | istatistiklerÖzetŞekil () çıktı Sırası 1 Tensör (şekil=[4]) Tensörün aşağıdaki 4 değeri vardır: [max_splits, feature_dimension, num_buckets,statistic_dimension], burada istatistik_dimension = degrade_dimension + hessian_dimension. |
| Çıkış < TFloat32 > | istatistikÖzetDeğerler () çıktı Sıra 1 Tensör (şekil=[sıfır olmayan istatistiklerin sayısı]) |
Kalıtsal Yöntemler
Sabitler
genel statik son Dize OP_NAME
Bu operasyonun TensorFlow çekirdek motoru tarafından bilinen adı
Genel Yöntemler
public static BoostedTreesSparseAggregateStats create ( Kapsam kapsamı, İşlenen < TInt32 > nodeId'ler, İşlenen < TFloat32 > degradeler, İşlenen < TFloat32 > hessians, İşlenen < TInt32 > featureIndices, İşlenen < TInt32 > featureValues, İşlenen < TInt32 > featureShape, Uzun maxSplits, Uzun numBuckets)
Yeni bir BoostedTreesSparseAggregateStats işlemini saran bir sınıf oluşturmaya yönelik fabrika yöntemi.
Parametreler
| kapsam | mevcut kapsam |
|---|---|
| düğüm kimlikleri | int32; Her örnek için düğüm kimliklerini içeren Derece 1 Tensör, şekil [batch_size]. |
| degradeler | şamandıra32; Her örnek için dereceli 2. Derece Tensör (shape=[batch_size, logits_dimension]). |
| çuvallılar | şamandıra32; Her örnek için kendirlerle birlikte Derece 2 Tensör (shape=[batch_size, hessian_dimension]). |
| özellik Endeksleri | int32; Özellik seyrek Tensörlerinin 2. sıra indeksleri (şekil=[seyrek giriş sayısı, 2]). Toplu işteki tüm örneklerdeki seyrek girişlerin sayısı. İlk değer örneğin indeksi, ikincisi ise özelliğin boyutudur. İkinci eksen yalnızca 2 değere sahip olabilir, yani Tensörün girdi yoğun versiyonu yalnızca matris olabilir. |
| özellikDeğerleri | int32; Özellik seyrek Tensörlerinin 1. sıra değerleri (şekil=[seyrek girişlerin sayısı]). Toplu işteki tüm örneklerdeki seyrek girişlerin sayısı. İlk değer örneğin indeksi, ikincisi ise özelliğin boyutudur. |
| Özellik Şekli | int32; Özellik seyrek Tensörlerin 1. derece yoğun şekli (şekil=[2]). İlk eksen yalnızca 2 değere sahip olabilir: [batch_size, feature_dimension]. |
| maksimumBölmeler | int; Ağacın tamamında mümkün olan maksimum bölünme sayısı. |
| numBuckets | int; gruplandırılmış özelliğin mümkün olan maksimum değeri + 1'e eşittir. |
İadeler
- BoostedTreesSparseAggregateStats'ın yeni bir örneği
genel Çıkış < TInt32 > statsSummaryIndices ()
int32; Özet seyrek Tensörlerin 2. sıra endeksleri (şekil=[sıfır olmayan istatistiklerin sayısı, 4]) İkinci eksen, düğüm kimliği, özellik boyutu, paket kimliği ve istatistik_boyutu dahil olmak üzere yalnızca 4 olabilir. istatistik_dimension = logits_dimension + hessian_dimension.
genel Çıkış < TInt32 > statsSummaryShape ()
çıktı Sırası 1 Tensör (şekil=[4]) Tensörün aşağıdaki 4 değeri vardır: [max_splits, feature_dimension, num_buckets,statistic_dimension], burada istatistik_dimension = degrade_dimension + hessian_dimension. degrade_dimension, label_dimension ile aynıdır, yani çıktı alanıdır. hessian_dimension, diyagonal hessian kullanıldığında logit boyutuyla aynı olabilir veya tam hessian kullanıldığında label_dimension^2 olabilir.