Aviso: esta API está obsoleta e será removida em uma versão futura do TensorFlow depois que a substituição estiver estável.

BoostedTreesSparseAggregateStats

BoostedTreesSparseAggregateStats classe final públicas

Agrega o resumo das estatísticas acumuladas para o lote.

As estatísticas de resumo contêm gradientes e hessianos acumulados para cada nó, intervalo e id de dimensão.

Métodos Públicos

estáticos BoostedTreesSparseAggregateStats
criar ( Scope escopo, Operando <inteiro> nodeIds, Operando <float> gradientes, Operando <float> Hessians, Operando <inteiro> featureIndices, Operando <Integer> featureValues, Operando <Integer> featureShape, maxSplits longas, numBuckets Long)
Método de fábrica para criar uma classe que envolve uma nova operação BoostedTreesSparseAggregateStats.
Output <Integer>
statsSummaryIndices ()
int32; Índices de classificação 2 de tensores esparsos de resumo (forma = [número de estatísticas diferentes de zero, 4]) O segundo eixo pode ser apenas 4, incluindo id do nó, dimensão do recurso, id do intervalo e statistics_dimension.
Output <Integer>
statsSummaryShape ()
Tensor de Rank 1 de saída (forma = [4]) O tensor tem os seguintes 4 valores: [max_splits, feature_dimension, num_buckets, statistics_dimension], onde statistics_dimension = gradiente_dimension + hessian_dimension.
Output <float>
statsSummaryValues ()
Tensor de Rank 1 de saída (forma = [número de estatísticas diferentes de zero])

Métodos herdados

Métodos Públicos

public static BoostedTreesSparseAggregateStats criar ( Scope escopo, Operando <inteiro> nodeIds, Operando <float> gradientes, Operando <float> Hessians, Operando <inteiro> featureIndices, Operando <inteiro> featureValues, Operando <Integer> featureShape, maxSplits longas, numBuckets Long)

Método de fábrica para criar uma classe que envolve uma nova operação BoostedTreesSparseAggregateStats.

Parâmetros
alcance escopo atual
nodeIds int32; Rank 1 Tensor contendo ids de nó para cada exemplo, forma [batch_size].
gradientes float32; Tensor de Rank 2 (forma = [batch_size, logits_dimension]) com gradientes para cada exemplo.
hessians float32; Tensor de Rank 2 (forma = [batch_size, hessian_dimension]) com hessianos para cada exemplo.
featureIndices int32; Índices de classificação 2 de tensores esparsos de recurso (forma = [número de entradas esparsas, 2]). Número de entradas esparsas em todas as instâncias do lote. O primeiro valor é o índice da instância, o segundo é a dimensão do recurso. O segundo eixo pode ter apenas 2 valores, ou seja, a versão densa de entrada do Tensor pode ser apenas uma matriz.
featureValues int32; Valores de classificação 1 de tensores esparsos de recurso (forma = [número de entradas esparsas]). Número de entradas esparsas em todas as instâncias do lote. O primeiro valor é o índice da instância, o segundo é a dimensão do recurso.
featureShape int32; Forma densa de Rank 1 de tensores esparsos de recurso (forma = [2]). O primeiro eixo pode ter apenas 2 valores, [batch_size, feature_dimension].
maxSplits int; o número máximo de divisões possíveis em toda a árvore.
numBuckets int; é igual ao valor máximo possível do recurso segmentado + 1.
Devoluções
  • uma nova instância de BoostedTreesSparseAggregateStats

pública Output <Integer> statsSummaryIndices ()

int32; Índices de classificação 2 de tensores esparsos de resumo (forma = [número de estatísticas diferentes de zero, 4]) O segundo eixo pode ser apenas 4, incluindo id do nó, dimensão do recurso, id do intervalo e statistics_dimension. statistics_dimension = logits_dimension + hessian_dimension.

pública Output <Integer> statsSummaryShape ()

Tensor de Rank 1 de saída (forma = [4]) O tensor tem os seguintes 4 valores: [max_splits, feature_dimension, num_buckets, statistics_dimension], onde statistics_dimension = gradiente_dimension + hessian_dimension. gradiente_dimension é o mesmo que label_dimension, ou seja, o espaço de saída. hessian_dimension pode ser o mesmo que dimensão logits quando hessian diagonal é usado, ou label_dimension ^ 2 quando hessian completo é usado.

pública Output <float> statsSummaryValues ()

Tensor de Rank 1 de saída (forma = [número de estatísticas diferentes de zero])