Membuat ringkasan akumulasi statistik untuk batch.
Statistik ringkasan berisi gradien dan goni yang terakumulasi ke dalam node dan keranjang yang sesuai untuk setiap contoh.
Metode Publik
Keluaran <Mengambang> | sebagai Keluaran () Mengembalikan pegangan simbolik tensor. |
BoostedTreesMakeStatsSummary statis | |
Keluaran <Mengambang> | statistikRingkasan () keluaran Tensor Peringkat 4 (bentuk=[#fitur, #splits, #buckets, 2]) yang berisi akumulasi statistik yang dimasukkan ke dalam node dan keranjang yang sesuai. |
Metode Warisan
Metode Publik
Keluaran publik <Float> sebagaiOutput ()
Mengembalikan pegangan simbolik tensor.
Masukan ke operasi TensorFlow adalah keluaran dari operasi TensorFlow lainnya. Metode ini digunakan untuk mendapatkan pegangan simbolis yang mewakili perhitungan input.
public static BoostedTreesMakeStatsSummary dibuat ( Lingkup cakupan, Operan <Integer> nodeIds, gradien Operan <Float>, Operan <Float> goni, Iterable< Operand <Integer>> bucketizedFeaturesList, Long maxSplits, Long numBuckets)
Metode pabrik untuk membuat kelas yang membungkus operasi BoostedTreesMakeStatsSummary baru.
Parameter
cakupan | ruang lingkup saat ini |
---|---|
nodeId | int32 Peringkat 1 Tensor yang berisi id node, yang setiap contohnya termasuk dalam lapisan yang diminta. |
gradien | float32; Tensor peringkat 2 (bentuk=[#contoh, 1]) untuk gradien. |
goni | float32; Tensor peringkat 2 (bentuk=[#contoh, 1]) untuk goni. |
Daftar Fitur yang di-bucket | int32 daftar Tensor Peringkat 1, masing-masing berisi fitur yang di-bucket (untuk setiap kolom fitur). |
maxSplit | ke dalam; jumlah maksimum pemisahan yang mungkin terjadi pada keseluruhan pohon. |
nomorBucket | ke dalam; sama dengan nilai maksimum yang mungkin dari fitur yang di-bucket. |
Kembali
- contoh baru dari BoostedTreesMakeStatsSummary
Output publik <Float> statsSummary ()
keluaran Tensor Peringkat 4 (bentuk=[#fitur, #splits, #buckets, 2]) yang berisi akumulasi statistik yang dimasukkan ke dalam node dan keranjang yang sesuai. Indeks pertama dari dimensi ke-4 mengacu pada gradien, dan yang kedua mengacu pada goni.