خلاصه آمار انباشته شده را برای دسته جمع آوری می کند.
آمار خلاصه شامل گرادیان ها و هسیان های انباشته شده برای هر گره، سطل و شناسه بعد است.
ثابت ها
| رشته | OP_NAME | نام این عملیات، همانطور که توسط موتور هسته TensorFlow شناخته می شود |
روش های عمومی
| Static BoostedTreesSparseAggregateStats | ایجاد ( scope scope، Operand < TInt32 > nodeIds، Operand < TFloat32 > gradients، Operand < TFloat32 > hessians، Operand < TInt32 > featureIndices، Operand < TInt32 > featureValues، Operand < TInt32 > featureShapeSplics, Long max) روش Factory برای ایجاد کلاسی که عملیات جدید BoostedTreesSparseAggregateStats را بسته بندی می کند. |
| خروجی < TINT32 > | statsSummaryIndices () int32; رتبه 2 شاخص های خلاصه تانسورهای پراکنده (شکل=[تعداد آمارهای غیر صفر، 4]) محور دوم فقط می تواند 4 باشد که شامل شناسه گره، بعد ویژگی، شناسه سطل، و statistics_dimension می شود. |
| خروجی < TINT32 > | statsSummaryShape () خروجی رتبه 1 تانسور (شکل=[4]) تانسور دارای 4 مقدار زیر است: [max_splits، feature_dimension، num_buckets، statistics_dimension]، که در آن statistics_dimension = gradient_dimension + hessian_dimension. |
| خروجی < TFloat32 > | statsSummaryValues () تانسور خروجی رتبه 1 (شکل=[تعداد آمار غیر صفر]) |
روش های ارثی
ثابت ها
رشته نهایی ثابت عمومی OP_NAME
نام این عملیات، همانطور که توسط موتور هسته TensorFlow شناخته می شود
روش های عمومی
استاتیک عمومی BoostedTreesSparseAggregateStats ایجاد ( محدوده دامنه ، عملوند < TInt32 > nodeIds، عملوند < TFloat32 > گرادیانها، عملوند < TFloat32 > hessians، عملوند < TINT32 > شاخص‌های ویژگی، عملوند < TInt33 > LogoInt32 > ویژگی‌ها، ویژگیV ng numBuckets)
روش Factory برای ایجاد کلاسی که عملیات جدید BoostedTreesSparseAggregateStats را بسته بندی می کند.
مولفه های
| محدوده | محدوده فعلی |
|---|---|
| nodeIds | int32; رتبه 1 تانسور حاوی شناسه گره برای هر مثال، شکل [batch_size]. |
| شیب ها | float32; رتبه 2 تانسور (شکل=[بچ_اندازه، logits_dimension]) با گرادیان برای هر مثال. |
| هسی ها | float32; رتبه 2 تانسور (شکل=[بعد_بعدی]) با هسین‌ها برای هر مثال. |
| شاخص های ویژگی | int32; رتبه 2 شاخص تانسورهای پراکنده (شکل=[تعداد ورودی های پراکنده، 2]). تعداد ورودی های پراکنده در همه نمونه ها از دسته. مقدار اول شاخص نمونه است، دومی بعد ویژگی است. محور دوم فقط می تواند 2 مقدار داشته باشد، یعنی نسخه متراکم ورودی Tensor فقط می تواند ماتریسی باشد. |
| ویژگی ارزش ها | int32; رتبه 1 مقادیر تانسورهای پراکنده (شکل=[تعداد ورودی های پراکنده]). تعداد ورودی های پراکنده در همه نمونه ها از دسته. مقدار اول شاخص نمونه است، دومی بعد ویژگی است. |
| ویژگی شکل | int32; رتبه 1 شکل متراکم تانسورهای پراکنده (شکل=[2]). محور اول فقط می تواند 2 مقدار داشته باشد، [batch_size, feature_dimension]. |
| maxSplits | int; حداکثر تعداد شکاف های ممکن در کل درخت. |
| numBuckets | int; برابر با حداکثر مقدار ممکن ویژگی سطلی + 1 است. |
برمی گرداند
- یک نمونه جدید از BoostedTreesSparseAggregateStats
خروجی عمومی < TINT32 > statsSummaryIndices ()
int32; رتبه 2 شاخص های خلاصه تانسورهای پراکنده (شکل=[تعداد آمارهای غیر صفر، 4]) محور دوم فقط می تواند 4 باشد که شامل شناسه گره، بعد ویژگی، شناسه سطل، و statistics_dimension می شود. statistics_dimension = logits_dimension + hessian_dimension.
خروجی عمومی < TINT32 > statsSummaryShape ()
خروجی رتبه 1 تانسور (شکل=[4]) تانسور دارای 4 مقدار زیر است: [max_splits، feature_dimension، num_buckets، statistics_dimension]، که در آن statistics_dimension = gradient_dimension + hessian_dimension. gradient_dimension همان label_dimension است، یعنی فضای خروجی. hessian_dimension می‌تواند با بعد logits در صورت استفاده از hessian مورب یا label_dimension^2 در صورت استفاده از hessian کامل باشد.