BoostedTreesSparseAggregateStats

classe finale pubblica BoostedTreesSparseAggregateStats

Aggrega il riepilogo delle statistiche accumulate per il batch.

Le statistiche di riepilogo contengono gradienti e iuta accumulati per ciascun nodo, bucket e ID dimensione.

Costanti

Corda OP_NAME Il nome di questa operazione, come noto al motore principale di TensorFlow

Metodi pubblici

static BoostedTreesSparseAggregateStats
create ( scope scope, operando < TInt32 > nodeIds, operando < TFloat32 > gradients, operando < TFloat32 > hessian, operando < TInt32 > featureIndices, operando < TInt32 > featureValues, operando < TInt32 > featureShape, Long maxSplits, Long numBuckets)
Metodo factory per creare una classe che racchiude una nuova operazione BoostedTreesSparseAggregateStats.
Uscita < TInt32 >
statisticheRiepilogoIndici ()
int32; Indici di rango 2 dei tensori sparsi riepilogativi (forma=[numero di statistiche diverse da zero, 4]) Il secondo asse può essere solo 4 inclusi ID nodo, dimensione funzione, ID bucket e dimensione_statistica.
Uscita < TInt32 >
statsSummaryShape ()
output Rank 1 Tensore (shape=[4]) Il tensore ha i seguenti 4 valori: [max_splits, feature_dimension, num_buckets, Statistics_dimension], dove Statistics_dimension = gradient_dimension + hessian_dimension.
Uscita < TFloat32 >
statsSummaryValues ​​()
output Rango 1 Tensore (forma=[numero di statistiche diverse da zero])

Metodi ereditati

Costanti

Stringa finale statica pubblica OP_NAME

Il nome di questa operazione, come noto al motore principale di TensorFlow

Valore costante: "BoostedTreesSparseAggregateStats"

Metodi pubblici

public static BoostedTreesSparseAggregateStats create ( Scope scope, Operando < TInt32 > nodeIds, Operando < TFloat32 > gradients, Operando < TFloat32 > hessians, Operando < TInt32 > featureIndices, Operando < TInt32 > featureValues, Operando < TInt32 > featureShape, Long maxSplits, Long numBuckets)

Metodo factory per creare una classe che racchiude una nuova operazione BoostedTreesSparseAggregateStats.

Parametri
scopo ambito attuale
nodeId int32; Tensore di rango 1 contenente gli ID dei nodi per ciascun esempio, forma [batch_size].
gradienti float32; Tensore di rango 2 (shape=[batch_size, logits_dimension]) con gradienti per ogni esempio.
iuta float32; Tensore di rango 2 (shape=[batch_size, hessian_dimension]) con iuta per ogni esempio.
featureIndici int32; Indici di rango 2 di tensori sparsi di caratteristiche (forma=[numero di voci sparse, 2]). Numero di voci sparse in tutte le istanze del batch. Il primo valore è l'indice dell'istanza, il secondo è la dimensione della feature. Il secondo asse può avere solo 2 valori, ovvero la versione densa di input di Tensor può essere solo matrice.
funzionalitàValori int32; Valori di rango 1 dei tensori sparsi di funzionalità (forma=[numero di voci sparse]). Numero di voci sparse in tutte le istanze del batch. Il primo valore è l'indice dell'istanza, il secondo è la dimensione della feature.
caratteristicaForma int32; Forma densa di grado 1 di tensori sparsi di caratteristiche (forma=[2]). Il primo asse può avere solo 2 valori, [batch_size, feature_dimension].
maxSplits intero; il numero massimo di suddivisioni possibili nell'intero albero.
numBucket intero; equivale al valore massimo possibile della funzionalità segmentata + 1.
ritorna
  • una nuova istanza di BoostedTreesSparseAggregateStats

Output pubblico < TInt32 > statsSummaryIndices ()

int32; Indici di rango 2 dei tensori sparsi riepilogativi (forma=[numero di statistiche diverse da zero, 4]) Il secondo asse può essere solo 4 inclusi ID nodo, dimensione funzione, ID bucket e dimensione_statistica. dimensione_statistica = dimensione_logit + dimensione_iuta.

Output pubblico < TInt32 > statsSummaryShape ()

output Rank 1 Tensore (shape=[4]) Il tensore ha i seguenti 4 valori: [max_splits, feature_dimension, num_buckets, Statistics_dimension], dove Statistics_dimension = gradient_dimension + hessian_dimension. gradient_dimension è uguale a label_dimension, ovvero lo spazio di output. hessian_dimension può essere uguale alla dimensione logits quando viene utilizzata la tela di iuta diagonale o label_dimension^2 quando viene utilizzata la tela di iuta completa.

Output pubblico < TFloat32 > statsSummaryValues ​​()

output Rango 1 Tensore (forma=[numero di statistiche diverse da zero])