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.
Constantes
| Fragmento | OP_NAME | O nome desta operação, conforme conhecido pelo motor principal TensorFlow |
Métodos Públicos
| estáticos BoostedTreesSparseAggregateStats | criar ( Scope escopo, Operando < TInt32 > nodeIds, Operando < TFloat32 > gradientes, Operando < TFloat32 > hessians, Operando < TInt32 > featureIndices, Operando < TInt32 > featureValues, Operando < TInt32 > featureShape, maxSplits longas, numBuckets Long) Método de fábrica para criar uma classe que envolve uma nova operação BoostedTreesSparseAggregateStats. |
| Output < TInt32 > | 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 < TInt32 > | 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 < TFloat32 > | statsSummaryValues () Tensor de Rank 1 de saída (forma = [número de estatísticas diferentes de zero]) |
Métodos herdados
Constantes
nome_op final String public static
O nome desta operação, conforme conhecido pelo motor principal TensorFlow
Métodos Públicos
public static BoostedTreesSparseAggregateStats criar ( Scope escopo, Operando < TInt32 > nodeIds, Operando < TFloat32 > gradientes, Operando < TFloat32 > hessians, Operando < TInt32 > featureIndices, Operando < TInt32 > featureValues, Operando < TInt32 > 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 < TInt32 > 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 < TInt32 > 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 igual à dimensão logits quando o hessian diagonal é usado ou label_dimension ^ 2 quando o hessian completo é usado.