Agrega o resumo das estatísticas acumuladas para o lote.
As estatísticas de resumo contêm gradientes e hessianos acumulados para cada nó, intervalo e id de dimensão.
Métodos Públicos
static BoostedTreesSparseAggregateStats | criar ( Scope escopo, Operando <inteiro> nodeIds, Operando <float> gradientes, Operando <float> Hessians, Operando <inteiro> featureIndices, Operando <Integer> featureValues, Operando <Integer> featureShape, maxSplits longas, numBuckets Long) Método de fábrica para criar uma classe que envolve uma nova operação BoostedTreesSparseAggregateStats. |
Saída <Integer> | statsSummaryIndices () int32; Índices de classificação 2 de tensores esparsos de resumo (forma = [número de estatísticas diferentes de zero, 4]) O segundo eixo pode ser apenas 4, incluindo id do nó, dimensão do recurso, id do intervalo e statistics_dimension. |
Saída <Integer> | statsSummaryShape () Tensor de Rank 1 de saída (forma = [4]) O tensor tem os seguintes 4 valores: [max_splits, feature_dimension, num_buckets, statistics_dimension], onde statistics_dimension = gradient_dimension + hessian_dimension. |
Resultado <Float> | statsSummaryValues () Tensor de Rank 1 de saída (forma = [número de estatísticas diferentes de zero]) |
Métodos herdados
Métodos Públicos
public static BoostedTreesSparseAggregateStats criar ( Scope escopo, Operando <inteiro> nodeIds, Operando <float> gradientes, Operando <float> Hessians, Operando <inteiro> featureIndices, Operando <inteiro> featureValues, Operando <Integer> featureShape, maxSplits longas, numBuckets Long)
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 nó para cada exemplo, forma [batch_size]. |
gradientes | float32; Tensor de Rank 2 (forma = [batch_size, logits_dimension]) com gradientes para cada exemplo. |
hessians | float32; Tensor de Rank 2 (forma = [batch_size, hessian_dimension]) com hessianos para cada exemplo. |
featureIndices | int32; Índices de classificação 2 de tensores esparsos de recurso (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 pode ser apenas uma 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. |
featureShape | int32; Forma densa de Rank 1 de tensores esparsos de recurso (forma = [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 segmentado + 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 pode ser apenas 4, incluindo id do nó, dimensão do recurso, id do intervalo e statistics_dimension. statistics_dimension = logits_dimension + hessian_dimension.
public Output <Integer> statsSummaryShape ()
Tensor de Rank 1 de saída (forma = [4]) O tensor tem os seguintes 4 valores: [max_splits, feature_dimension, num_buckets, statistics_dimension], onde statistics_dimension = gradient_dimension + hessian_dimension. gradiente_dimension é o mesmo que label_dimension, ou seja, o espaço de saída. hessian_dimension pode ser igual à dimensão logits quando o hessian diagonal é usado ou label_dimension ^ 2 quando o hessian completo é usado.
public Output <Float> statsSummaryValues ()
Tensor de Rank 1 de saída (forma = [número de estatísticas diferentes de zero])