BoostedTreesCenterBias

publik BoostedTreesCenterBias kelas akhir

Menghitung prior dari data pelatihan (bias) dan mengisi node pertama dengan prior log. Mengembalikan boolean yang menunjukkan apakah akan melanjutkan pemusatan.

Metode Publik

Output <Boolean>	asOutput () Mengembalikan pegangan simbolis tensor.
Output <Boolean>	continueCentering () Bool, apakah akan melanjutkan pemusatan bias.
statis BoostedTreesCenterBias	membuat ( Lingkup lingkup, Operan <?> treeEnsembleHandle, Operan <Lampung> meanGradients, Operan <Lampung> meanHessians, Operan <Lampung> l1, Operan <Lampung> l2) Metode pabrik untuk membuat kelas yang membungkus operasi BoostedTreesCenterBias baru.

Metode yang Diwarisi

Dari kelas org.tensorflow.op.PrimitiveOp

boolean akhir	sama (Object obj)
akhir	hashCode ()
Operasi	op () Mengembalikan mendasari Operation
string terakhir	toString ()

Dari kelas java.lang.Object

boolean	sama (Object arg0)
Kelas terakhir<?>	getClass ()
ke dalam	hashCode ()
kekosongan akhir	notify ()
kekosongan akhir	notifyAll ()
Rangkaian	toString ()
kekosongan akhir	menunggu (arg0 panjang, int arg1)
kekosongan akhir	menunggu (arg0 panjang)
kekosongan akhir	menunggu ()

Dari antarmuka org.tensorflow.Operand

abstrak Keluaran <Boolean>

asOutput () Mengembalikan pegangan simbolis tensor.

Metode Publik

publik Keluaran <Boolean> asOutput ()

Mengembalikan pegangan simbolis tensor.

Input ke operasi TensorFlow adalah output dari operasi TensorFlow lainnya. Metode ini digunakan untuk mendapatkan pegangan simbolis yang mewakili perhitungan input.

publik Keluaran <Boolean> continueCentering ()

Bool, apakah akan melanjutkan pemusatan bias.

public static BoostedTreesCenterBias membuat ( Scope lingkup, Operan <?> treeEnsembleHandle, Operan <Lampung> meanGradients, Operan <Lampung> meanHessians, Operan <Lampung> l1, Operan <Lampung> l2)

Metode pabrik untuk membuat kelas yang membungkus operasi BoostedTreesCenterBias baru.

Parameter

cakupan	lingkup saat ini
pohonEnsembleHandle	Pegangan ke ansambel pohon.
berarti Gradien	Tensor dengan shape=[logits_dimension] dengan rata-rata gradien untuk simpul pertama.
berartiHessians	Tensor dengan rata-rata shape=[logits_dimension] dari hessians untuk simpul pertama.
l1	l1 faktor regularisasi pada bobot daun, berdasarkan contoh.
l2	l2 faktor regularisasi pada bobot daun, berdasarkan contoh.

Kembali

• contoh baru BoostedTreesCenterBias