Advertencia: esta API está obsoleta y se eliminará en una versión futura de TensorFlow una vez que el reemplazo sea ​​estable.

BoostedTreesSparseAggregateStats

Organiza tus páginas con colecciones Guarda y categoriza el contenido según tus preferencias.
clase final pública BoostedTreesSparseAggregateStats

Agrega el resumen de estadísticas acumuladas para el lote.

Las estadísticas resumidas contienen gradientes y hessians acumulados para cada ID de nodo, depósito y dimensión.

Métodos públicos

estático BoostedTreesSparseAgregateStats
crear ( Ámbito de alcance, Operando <Integer> nodeIds, Operando <Float> gradientes, Operando <Float> hessians, Operando <Integer> featureIndices, Operando <Integer> featureValues, Operando <Integer> featureShape, Long maxSplits, Long numBuckets)
Método de fábrica para crear una clase que envuelve una nueva operación BoostedTreesSparseAggregateStats.
Salida <Entero>
estadísticasResumenÍndices ()
int32; Índices de rango 2 de tensores dispersos de resumen (forma = [número de estadísticas distintas de cero, 4]) El segundo eje solo puede ser 4, incluida la identificación del nodo, la dimensión de la característica, la identificación del depósito y la dimensión estadística.
Salida <Entero>
estadísticasResumenForma ()
Tensor de rango 1 de salida (shape=[4]) El tensor tiene los siguientes 4 valores: [max_splits, feature_dimension, num_buckets, statistics_dimension], donde statistics_dimension = gradiente_dimension + hessian_dimension.
Salida <Flotante>
statsResumenValores ()
Tensor de rango 1 de salida (forma = [número de estadísticas distintas de cero])

Métodos Heredados

Métodos públicos

BoostedTreesSparseAggregateStats estáticos públicos crear ( Ámbito de alcance, Operando <Integer> nodeIds, Operando <Float> gradientes, Operando <Float> hessians, Operando <Integer> featureIndices, Operando <Integer> featureValues, Operando <Integer> featureShape, Long maxSplits, Long numBuckets)

Método de fábrica para crear una clase que envuelve una nueva operación BoostedTreesSparseAggregateStats.

Parámetros
alcance alcance actual
ID de nodo int32; Tensor de rango 1 que contiene ID de nodo para cada ejemplo, forma [batch_size].
gradientes flotar32; Tensor de rango 2 (shape=[batch_size, logits_dimension]) con gradientes para cada ejemplo.
arpilleras flotar32; Tensor de rango 2 (shape=[batch_size, hessian_dimension]) con hessians para cada ejemplo.
característicaÍndices int32; Índices de rango 2 de tensores dispersos de características (forma = [número de entradas dispersas, 2]). Número de entradas dispersas en todas las instancias del lote. El primer valor es el índice de la instancia, el segundo es la dimensión de la función. El segundo eje solo puede tener 2 valores, es decir, la versión densa de entrada de Tensor solo puede ser matriz.
valores de características int32; Valores de rango 1 de tensores dispersos de características (forma = [número de entradas dispersas]). Número de entradas dispersas en todas las instancias del lote. El primer valor es el índice de la instancia, el segundo es la dimensión de la función.
característicaForma int32; Forma densa de rango 1 de tensores dispersos de características (forma = [2]). El primer eje solo puede tener 2 valores, [batch_size, feature_dimension].
MaxSplits En t; el número máximo de divisiones posibles en todo el árbol.
número de cubetas En t; es igual al valor máximo posible de la característica dividida en cubos + 1.
Devoluciones
  • una nueva instancia de BoostedTreesSparseAggregateStats

Salida pública <Integer> statsSummaryIndices ()

int32; Índices de rango 2 de tensores dispersos de resumen (forma = [número de estadísticas distintas de cero, 4]) El segundo eje solo puede ser 4, incluida la identificación del nodo, la dimensión de la característica, la identificación del depósito y la dimensión estadística. estadística_dimension = logits_dimension + hessian_dimension.

Salida pública <Entero> statsSummaryShape ()

Tensor de rango 1 de salida (shape=[4]) El tensor tiene los siguientes 4 valores: [max_splits, feature_dimension, num_buckets, statistics_dimension], donde statistics_dimension = gradiente_dimension + hessian_dimension. gradiente_dimensión es lo mismo que etiqueta_dimensión, es decir, el espacio de salida. hessian_dimension puede ser la misma que la dimensión logits cuando se usa hessian diagonal, o label_dimension^2 cuando se usa hessian completo.

Salida pública <Flotante> statsSummaryValues ()

Tensor de rango 1 de salida (forma = [número de estadísticas distintas de cero])