BoostedTreesSparseAggregateStats

کلاس نهایی عمومی BoostedTreesSparseAggregateStats

خلاصه آمار انباشته شده را برای دسته جمع آوری می کند.

آمار خلاصه شامل گرادیان ها و هسیان های انباشته شده برای هر گره، سطل و شناسه بعد است.

ثابت ها

رشته OP_NAME نام این عملیات، همانطور که توسط موتور هسته TensorFlow شناخته می شود

روش های عمومی

Static BoostedTreesSparseAggregateStats
ایجاد ( scope scope، Operand < TInt32 > nodeIds، Operand < TFloat32 > gradients، Operand < TFloat32 > hessians، Operand < TInt32 > featureIndices، Operand < TInt32 > featureValues، Operand < TInt32 > featureShapeSplics, Long max)
روش Factory برای ایجاد کلاسی که عملیات جدید BoostedTreesSparseAggregateStats را بسته بندی می کند.
خروجی < TINT32 >
statsSummaryIndices ()
int32; رتبه 2 شاخص های خلاصه تانسورهای پراکنده (شکل=[تعداد آمارهای غیر صفر، 4]) محور دوم فقط می تواند 4 باشد که شامل شناسه گره، بعد ویژگی، شناسه سطل، و statistics_dimension می شود.
خروجی < TINT32 >
statsSummaryShape ()
خروجی رتبه 1 تانسور (شکل=[4]) تانسور دارای 4 مقدار زیر است: [max_splits، feature_dimension، num_buckets، statistics_dimension]، که در آن statistics_dimension = gradient_dimension + hessian_dimension.
خروجی < TFloat32 >
statsSummaryValues ​​()
تانسور خروجی رتبه 1 (شکل=[تعداد آمار غیر صفر])

روش های ارثی

ثابت ها

رشته نهایی ثابت عمومی OP_NAME

نام این عملیات، همانطور که توسط موتور هسته TensorFlow شناخته می شود

مقدار ثابت: "BoostedTreesSparseAggregateStats"

روش های عمومی

استاتیک عمومی BoostedTreesSparseAggregateStats ایجاد ( محدوده دامنه ، عملوند < TInt32 > nodeIds، عملوند < TFloat32 > گرادیانها، عملوند < TFloat32 > hessians، عملوند < TINT32 > شاخص‌های ویژگی، عملوند < TInt33 > LogoInt32 > ویژگی‌ها، ویژگیV ng numBuckets)

روش Factory برای ایجاد کلاسی که عملیات جدید BoostedTreesSparseAggregateStats را بسته بندی می کند.

مولفه های
محدوده محدوده فعلی
nodeIds int32; رتبه 1 تانسور حاوی شناسه گره برای هر مثال، شکل [batch_size].
شیب ها float32; رتبه 2 تانسور (شکل=[بچ_اندازه، logits_dimension]) با گرادیان برای هر مثال.
هسی ها float32; رتبه 2 تانسور (شکل=[بعد_بعدی]) با هسین‌ها برای هر مثال.
شاخص های ویژگی int32; رتبه 2 شاخص تانسورهای پراکنده (شکل=[تعداد ورودی های پراکنده، 2]). تعداد ورودی های پراکنده در همه نمونه ها از دسته. مقدار اول شاخص نمونه است، دومی بعد ویژگی است. محور دوم فقط می تواند 2 مقدار داشته باشد، یعنی نسخه متراکم ورودی Tensor فقط می تواند ماتریسی باشد.
ویژگی ارزش ها int32; رتبه 1 مقادیر تانسورهای پراکنده (شکل=[تعداد ورودی های پراکنده]). تعداد ورودی های پراکنده در همه نمونه ها از دسته. مقدار اول شاخص نمونه است، دومی بعد ویژگی است.
ویژگی شکل int32; رتبه 1 شکل متراکم تانسورهای پراکنده (شکل=[2]). محور اول فقط می تواند 2 مقدار داشته باشد، [batch_size, feature_dimension].
maxSplits int; حداکثر تعداد شکاف های ممکن در کل درخت.
numBuckets int; برابر با حداکثر مقدار ممکن ویژگی سطلی + 1 است.
برمی گرداند
  • یک نمونه جدید از BoostedTreesSparseAggregateStats

خروجی عمومی < TINT32 > statsSummaryIndices ()

int32; رتبه 2 شاخص های خلاصه تانسورهای پراکنده (شکل=[تعداد آمارهای غیر صفر، 4]) محور دوم فقط می تواند 4 باشد که شامل شناسه گره، بعد ویژگی، شناسه سطل، و statistics_dimension می شود. statistics_dimension = logits_dimension + hessian_dimension.

خروجی عمومی < TINT32 > statsSummaryShape ()

خروجی رتبه 1 تانسور (شکل=[4]) تانسور دارای 4 مقدار زیر است: [max_splits، feature_dimension، num_buckets، statistics_dimension]، که در آن statistics_dimension = gradient_dimension + hessian_dimension. gradient_dimension همان label_dimension است، یعنی فضای خروجی. hessian_dimension می‌تواند با بعد logits در صورت استفاده از hessian مورب یا label_dimension^2 در صورت استفاده از hessian کامل باشد.

خروجی عمومی < TFloat32 > statsSummaryValues ​​()

تانسور خروجی رتبه 1 (شکل=[تعداد آمار غیر صفر])