BoostedTreesAggregateStats

публичный финальный класс BoostedTreesAggregateStats

Агрегирует сводку накопленной статистики для пакета.

Сводная статистика содержит градиенты и гессианы, накопленные для каждого узла, идентификатора измерения объекта и сегмента.

Константы

Нить OP_NAME Название этой операции, известное основному движку TensorFlow.

Публичные методы

Вывод <TFloat32>	какВывод () Возвращает символический дескриптор тензора.
статический BoostedTreesAggregateStats	create ( Область действия, операнд <TInt32> nodeIds, операнд <TFloat32> градиенты, операнд <TFloat32> гессианов, операнд <TInt32> функция, длинные maxSplits, длинные numBuckets) Фабричный метод для создания класса, обертывающего новую операцию BoostedTreesAggregateStats.
Вывод <TFloat32>	статистикаСводка () выходной тензор 4-го ранга (shape=[splits, Feature_dimension, Buckets, logits_dimension + hessian_dimension]), содержащий накопленную статистику для каждого узла, измерения объекта и сегмента.

Унаследованные методы

Из класса org.tensorflow.op.RawOp

последнее логическое значение	равно (Объект obj)
окончательный интервал	хэш-код ()
Операция	оп () Верните эту единицу вычислений как одну `Operation` .
последняя строка	нанизывать ()

Из класса java.lang.Object

логическое значение	равно (Объект arg0)
последний класс<?>	получитьКласс ()
интервал	хэш-код ()
окончательная пустота	поставить в известность ()
окончательная пустота	уведомитьВсе ()
Нить	нанизывать ()
окончательная пустота	подождать (длинный arg0, int arg1)
окончательная пустота	подождите (длинный arg0)
окончательная пустота	ждать ()

Из интерфейса org.tensorflow.op.Op

абстрактная среда выполнения	окружение () Верните среду выполнения, в которой была создана эта операция.
абстрактная операция	оп () Верните эту единицу вычислений как одну `Operation` .

Из интерфейса org.tensorflow.Operand

абстрактный вывод <TFloat32>	какВывод () Возвращает символический дескриптор тензора.
абстрактный TFloat32	асТензор () Возвращает тензор в этом операнде.
абстрактная форма	форма () Возвращает (возможно, частично известную) форму тензора, на который ссылается `Output` этого операнда.
абстрактный класс <TFloat32>	тип () Возвращает тензорный тип этого операнда

Из интерфейса org.tensorflow.ndarray.Shaped

абстрактный int	классифицировать ()
абстрактная форма	форма ()
абстрактный длинный	размер () Вычисляет и возвращает общий размер этого контейнера в количестве значений.

Константы

общедоступная статическая финальная строка OP_NAME

Название этой операции, известное основному движку TensorFlow.

Постоянное значение: «BoostedTreesAggregateStats».

Публичные методы

публичный вывод <TFloat32> asOutput ()

Возвращает символический дескриптор тензора.

Входные данные для операций TensorFlow являются выходными данными другой операции TensorFlow. Этот метод используется для получения символического дескриптора, который представляет собой вычисление входных данных.

public static BoostedTreesAggregateStats create (область действия , операнд <TInt32> nodeIds, операнд <TFloat32> градиенты, операнд <TFloat32> гессианов, функция операнда <TInt32> , длинные maxSplits, длинные numBuckets)

Фабричный метод для создания класса, обертывающего новую операцию BoostedTreesAggregateStats.

Параметры

объем	текущий объем
идентификаторы узлов	интервал32; Тензор ранга 1, содержащий идентификаторы узлов для каждого примера, форма [batch_size].
градиенты	поплавок32; Тензор 2-го ранга (shape=[batch_size, logits_dimension]) с градиентами для каждого примера.
гессенцы	поплавок32; Тензор 2-го ранга (shape=[batch_size, hessian_dimension]) с гессианами для каждого примера.
особенность	интервал32; Тензоры функции ранга 2 (shape=[batch_size, Feature_dimension]).
maxSplits	интервал; максимально возможное количество разбиений во всем дереве.
numBuckets	интервал; равно максимально возможному значению сегментированного признака.

Возврат

новый экземпляр BoostedTreesAggregateStats

публичный вывод <TFloat32> statsSummary ()

выходной тензор 4-го ранга (shape=[splits, Feature_dimension, Buckets, logits_dimension + hessian_dimension]), содержащий накопленную статистику для каждого узла, измерения объекта и сегмента.