Agrega o resumo das estatísticas acumuladas para o lote.
As estatísticas de resumo contêm gradientes e hessianos acumulados para cada ID de nó, bucket e dimensão.
Métodos públicos
| static BoostedTreesSparseAggregateStats | create ( Escopo do escopo, 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 criar uma classe que envolve uma nova operação BoostedTreesSparseAggregateStats. |
| Saída <Inteiro> | statsResumoIndices () int32; Índices de classificação 2 de tensores esparsos de resumo (forma=[número de estatísticas diferentes de zero, 4]) O segundo eixo só pode ser 4, incluindo ID do nó, dimensão do recurso, ID do bucket e statistics_dimension. |
| Saída <Inteiro> | estatísticasResumoForma () output Rank 1 Tensor (shape=[4]) O tensor tem os seguintes 4 valores: [max_splits, feature_dimension, num_buckets, statistics_dimension], onde statistics_dimension = gradient_dimension + hessian_dimension. |
| Saída <Float> | statsResumoValores () output Rank 1 Tensor (forma=[número de estatísticas diferentes de zero]) |
Métodos Herdados
Métodos públicos
public static BoostedTreesSparseAggregateStats create ( Escopo do escopo, 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 criar uma classe que envolve uma nova operação BoostedTreesSparseAggregateStats.
Parâmetros
| alcance | escopo atual |
|---|---|
| nodeIds | int32; Rank 1 Tensor contendo IDs de nós para cada exemplo, forma [batch_size]. |
| gradientes | float32; Rank 2 Tensor (shape=[batch_size, logits_dimension]) com gradientes para cada exemplo. |
| hessianos | float32; Rank 2 Tensor (shape=[batch_size, hessian_dimension]) com hessians para cada exemplo. |
| índices de recursos | int32; Índices de classificação 2 de tensores esparsos de recursos (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 só pode ser 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. |
| featureForma | int32; Forma densa de Rank 1 de Tensores esparsos de recurso (shape=[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 em bucket + 1. |
Devoluções
- uma nova instância de BoostedTreesSparseAggregateStats
Public Output <Integer> statsSummaryIndices ()
int32; Índices de classificação 2 de tensores esparsos de resumo (forma=[número de estatísticas diferentes de zero, 4]) O segundo eixo só pode ser 4, incluindo ID do nó, dimensão do recurso, ID do bucket e statistics_dimension. statistics_dimension = logits_dimension + hessian_dimension.
Public Output <Integer> statsSummaryShape ()
output Rank 1 Tensor (shape=[4]) O tensor tem os seguintes 4 valores: [max_splits, feature_dimension, num_buckets, statistics_dimension], onde statistics_dimension = gradient_dimension + hessian_dimension. gradient_dimension é o mesmo que label_dimension, ou seja, o espaço de saída. hessian_dimension pode ser o mesmo que a dimensão logits quando o hessian diagonal é usado, ou label_dimension^2 quando o hessian completo é usado.
Public Output <Float> statsSummaryValues ()
output Rank 1 Tensor (forma=[número de estatísticas diferentes de zero])