_id
stringlengths 2
7
| title
stringclasses 1
value | partition
stringclasses 3
values | language
stringclasses 1
value | meta_information
dict | text
stringlengths 5
1.76k
|
|---|---|---|---|---|---|
c129620
|
train
|
{
"resource": ""
}
|
Улучшает вывод ошибок для потоков, используя имя потока в качестве ключа
|
||
c129660
|
train
|
{
"resource": ""
}
|
Случайным образом измените один из каналов входного изображения
|
||
c129680
|
train
|
{
"resource": ""
}
|
Создайте `Learner` с текстовым классификатором на основе `data` и `arch`.
|
||
c129700
|
train
|
{
"resource": ""
}
|
Нормальная инициализация с обрезанием.
|
||
c129720
|
train
|
{
"resource": ""
}
|
Показать все `imgs` используя строки в количестве `r`.
|
||
c129740
|
train
|
{
"resource": ""
}
|
Вернуть путь к данным к `filename`, сначала проверив локально, затем в конфигурационном файле.
|
||
c129760
|
train
|
{
"resource": ""
}
|
Отправляет команду для выполнения командной утилитой CommandExecutor.
:Аргументы:
- driver_command: Название команды для выполнения в виде строки.
- params: Словарь с параметрами для отправки вместе с командой.
:Возвращает:
Ответ команды в формате JSON, загруженный в объект-словарь.
|
||
c129780
|
train
|
{
"resource": ""
}
|
Снимает снимок экрана текущего окна и сохраняет его в файл PNG. Возвращает `False`, если возникла ошибка ввода-вывода (IOError), в противном случае возвращает `True`. Используйте полные пути в вашем имени файла.
Аргументы:
- filename: полный путь, куда вы хотите сохранить снимок экрана. Файл должен заканчиваться расширением `.png`.
Пример использования:
::
driver.get_screenshot_as_file('/Screenshots/foo.png')
|
||
c129800
|
train
|
{
"resource": ""
}
|
Касайтесь и скользите, перемещаясь по xoffset и yoffset.
:Аргументы:
- xoffset: X смещение для прокрутки.
- yoffset: Y смещение для прокрутки.
|
||
c129820
|
train
|
{
"resource": ""
}
|
Отправляет клавиши текущему фокусируемому элементу.
:Args:
- keys_to_send: Клавиши для отправки. Константы модификаторных клавиш можно найти в классе 'Keys'.
|
||
c129840
|
train
|
{
"resource": ""
}
|
Является ли элемент видимым для пользователя.
|
||
c129860
|
train
|
{
"resource": ""
}
|
Снять выделение с опции с заданным индексом. Это делается путём проверки атрибута "index" элемента, а не просто подсчетом.
:Аргументы:
- index - Опция с этим индексом будет снята из выделения.
Вызывает NoSuchElementException, если нет опции с указанным индексом в SELECT
|
||
c129880
|
train
|
{
"resource": ""
}
|
Отобразите визуализацию displaCy.
docs (список или Doc): Документ(ы) для визуализации.
style (строка): Стиль визуализации, 'dep' или 'ent'.
page (булево): Отобразить разметку как полную HTML-страницу.
minify (булево): Минимизировать HTML-разметку.
jupyter (булево): Принудительно заменить автоопределение Jupyter.
options (словарь): Опции визуализатора, например, цвета.
manual (булево): Не анализировать `Doc`, а ожидать словарь/список словарей.
ВОЗВРАЩАЕТ (строка): Размеченную HTML-разметку.
ДОКУМЕНТАЦИЯ: https://spacy.io/api/top-level#displacy.render
ИСПОЛЬЗОВАНИЕ: https://spacy.io/usage/visualizers
|
||
c129900
|
train
|
{
"resource": ""
}
|
Перебирайте пакеты элементов. `size` может быть итератором, поэтому размер пакета может меняться на каждом шаге.
|
||
c129920
|
train
|
{
"resource": ""
}
|
Округляйте большие числа как целые числа, меньшие числа как десятичные.
|
||
c129940
|
train
|
{
"resource": ""
}
|
Нарисовать отдельное стрелочное крыло.
direction (unicode): Направление стрелы, 'left' или 'right'.
x (int): Координата x точки начала стрелы.
y (int): Координата y точек начала и конца стрелы.
end (int): Координата x точки конца стрелы.
ВОЗВРАЩАЕТ (unicode): Определение пути стрелки ('d' атрибут).
|
||
c129960
|
train
|
{
"resource": ""
}
|
Замените веса моделей в пайплайне на те, которые предоставлены в словаре params. Это можно использовать как контекстный менеджер, при этом модели вернутся к своим исходным весам после блока.
params (dict): Словарь параметров, ключами которого являются идентификаторы моделей.
**cfg: Конфигурационные параметры.
ПРИМЕР:
>>> with nlp.use_params(optimizer.averages):
... nlp.to_disk('/tmp/checkpoint')
|
||
c129980
|
train
|
{
"resource": ""
}
|
Дает действия для нажатых клавиш.
|
||
c130000
|
train
|
{
"resource": ""
}
|
Получает пакеты, которые предоставляют указанную команду, с использованием `pkgfile`.
Если команда имеет форму `sudo foo`, ищет команду `foo` вместо неё.
|
||
c130020
|
train
|
{
"resource": ""
}
|
Заменяет параметр командной строки.
|
||
c130040
|
train
|
{
"resource": ""
}
|
Сохраняет порядок элементов в списке
|
||
c130060
|
train
|
{
"resource": ""
}
|
Храните значения на каждом уровне на бекенде с доступом и записью, а не суммируйте снизу вверх.
|
||
c130080
|
train
|
{
"resource": ""
}
|
Исходя из расписания, отправьте срез в виде электронного письма-отчета
|
||
c130100
|
train
|
{
"resource": ""
}
|
Обновить метрики на основе метаданных столбца
|
||
c130120
|
train
|
{
"resource": ""
}
|
Запуск FAB оставляет некорректные разрешения, которые нужно очистить.
|
||
c130140
|
train
|
{
"resource": ""
}
|
Конечная точка для извлечения списка таблиц для данной базы данных
|
||
c130160
|
train
|
{
"resource": ""
}
|
Измените SQL-запрос, чтобы применить соответствующее ключевое слово LIMIT
|
||
c130180
|
train
|
{
"resource": ""
}
|
Инструмент для поиска имени ограничения внешнего ключа в миграциях Alembic
|
||
c130200
|
train
|
{
"resource": ""
}
|
Преобразует список ненегативных чисел в строку.
|
||
c130220
|
train
|
{
"resource": ""
}
|
Помощник для heapify в quicksort на минимальном куче
|
||
c130240
|
train
|
{
"resource": ""
}
|
Возврат заголовка всех простых чисел менее n, используя сито Эратосфена.
|
||
c130260
|
train
|
{
"resource": ""
}
|
Конвертировать указатель ctypes в тип буфера.
|
||
c130280
|
train
|
{
"resource": ""
}
|
Во время рисования переключение между режимами должно быть отключено.
|
||
c130300
|
train
|
{
"resource": ""
}
|
Установите SSH соединение с удалённым хостом. Это должно использовать объявления имени хостов в файле конфигурации SSH. По умолчанию не будет автоматически доверять хостам, будет использовать SSH-агента и попытается загрузить ключи.
|
||
c130320
|
train
|
{
"resource": ""
}
|
Предлагаю частоту слов, чтобы заставить буквы в слове объединиться или разделиться.
Параметр:
- segment: Куски, на которые ожидается разбиение слова. Если слово должно рассматриваться как единое целое, используйте строку.
- tune: Если True, настройте частоту слова.
Обратите внимание, что алгоритм скрытого Марковского модели (HMM) может повлиять на конечный результат. Если результат не изменяется, установите HMM в False.
|
||
c130340
|
train
|
{
"resource": ""
}
|
Оптический конволюционный автоэнкодер, небольшой набор данных для тестирования.
|
||
c130360
|
train
|
{
"resource": ""
}
|
Случайным образом сгенерировать образец набора данных для упрощения алгебраических выражений.
Дано входное выражение, сгенерировать упрощённое выражение.
Аргументы:
vlist: Список переменных. Список символов, которые могут использоваться в выражении.
ops: Список экземпляров ExprOp. Допустимые операторы для выражения.
min_depth: Глубина выражений в виде деревьев не будет меньше, чем это значение. 0 означает, что есть только переменная. 1 означает, что есть одна операция.
max_depth: Глубина выражений в виде деревьев не будет больше, чем это значение. Чтобы сделать все деревья одинаковой глубины, установите это равным `min_depth`.
Возвращает:
sample: Строковое представление входного выражения.
target: Строковое представление решения.
|
||
c130380
|
train
|
{
"resource": ""
}
|
Экспортирует последнюю точку сохранения из каталога в виде модуля tfhub.
Она создает спецификацию и подпись модуля (на основе информации о проблеме T2T), которые позже используются для создания и экспорта хаб-модуля. Модуль будет сохранен в каталоге ckpt_dir.
Аргументы:
`model_name`: название модели, которую необходимо экспортировать.
`hparams`: параметры T2T, граф модели будет основан на них.
`decode_hparams`: параметры T2T для декодирования.
`problem`: название проблемы.
`checkpoint_path`: путь к точке сохранения, которую необходимо экспортировать.
`export_dir`: каталог, в который необходимо вывести экспортированную модель.
|
||
c130400
|
train
|
{
"resource": ""
}
|
Загрузка примеров из файла в формате TSV.
Аргументы:
tmp_dir: временная директория.
prop_train: доля обучающих данных
prop_val: доля валидационных данных
Возвращает:
Все примеры в наборе данных, а также подмножества данных для обучения, тестирования и валидации.
|
||
c130420
|
train
|
{
"resource": ""
}
|
Увеличить наблюдение, вернуть обычную кортежную пару шагов.
|
||
c130440
|
train
|
{
"resource": ""
}
|
Вычислить бета-взвешенный F-тест.
Аргументы:
true_positives: Количество истинно положительного n-граммов.
selected: Количество выбранных n-граммов.
relevant: Количество релевантных n-граммов.
beta: 0 дает только точность, 1 — коэффициент F1, бесконечность — только частичное покрытие.
Возвращаемое значение:
Бета-взвешенный F-тест.
|
||
c130460
|
train
|
{
"resource": ""
}
|
Извлекайте ссылки из файлов WET в выходные фрагментированные файлы.
|
||
c130480
|
train
|
{
"resource": ""
}
|
Проверка формы для cond_latents.
|
||
c130500
|
train
|
{
"resource": ""
}
|
Добавляет изотропный гауссовский шум к каждому скрытому элементу.
Аргументы:
latents: 4-D или 5-D тензор, формы=(NTHWC) или (NHWC).
hparams: HParams.
Возвращает:
latents: скрытые элементы с добавленным изотропным гауссовским шумом.
|
||
c130520
|
train
|
{
"resource": ""
}
|
Полный LSTM-ячейка.
|
||
c130540
|
train
|
{
"resource": ""
}
|
Ожидаемая форма полностью связанного слоя после серии свёрточных операций.
|
||
c130560
|
train
|
{
"resource": ""
}
|
Диапазон кривизны.
Возвращает:
h_max_t, h_min_t операции
|
||
c130580
|
train
|
{
"resource": ""
}
|
Функция инициализации с ограничением Глорота (или Xavier) для случайных коэффициентов с равномерным распределением.
|
||
c130600
|
train
|
{
"resource": ""
}
|
Генератор изображений для ImageNet с изображениями размером 64x64, уменьшенными по размеру.
Предполагается, что данные были загружены с
http://image-net.org/small/*_32x32.tar или
http://image-net.org/small/*_64x64.tar во временную директорию tmp_dir.
Аргументы:
tmp_dir: путь к временной директории хранения.
training: логическое значение; если true, используем набор данных для обучения, иначе — тестовый набор данных.
size: размер изображения (предполагается, что высота и ширина одинаковы).
Выдает:
Словарь, представляющий изображения, с следующими полями:
* image/encoded: строка закодированного изображения в формате JPEG,
* image/format: строка "jpeg", представляющая формат изображения,
* image/height: целое число, представляющее высоту,
* image/width: целое число, представляющее ширину.
Фактически, каждое поле является списком соответствующего типа.
|
||
c130620
|
train
|
{
"resource": ""
}
|
Улучшен спуск для семантического хеширования.
|
||
c130640
|
train
|
{
"resource": ""
}
|
По каким устройствам мы разбиваем каждый обучающий батч.
В старомодном асинхронном режиме мы распределяем батч по всем GPU на текущем воркере.
В синхронном режиме мы распределяем батч по всем GPU, являющимся серверам параметров.
Эта функция возвращает объект expert_utils.Parallelism, который может быть использован для построения модели. Он настраивается таким образом, что любые переменные, созданные с помощью `tf.get_variable`, будут назначены на серверы параметров и совместно использоваться между датафрагментами.
Аргументы:
- daisy_chain_variables: следует ли копировать переменные в цепочку гиацинтов на GPU.
- all_workers: являются ли устройства всеми асинхронными воркерами или только этим одним.
Возвращает:
- объект expert_utils.Parallelism.
|
||
c130660
|
train
|
{
"resource": ""
}
|
Параметры для обучения ImageTransformer на TPU.
|
||
c130680
|
train
|
{
"resource": ""
}
|
Кодирует входные данные, отправляет запрос на развернутую модель TF и декодирует выходные данные.
|
||
c130700
|
train
|
{
"resource": ""
}
|
Обнуляет траектории по указанным индексам и заполняет наблюдениями.
При обнулении траектории можно сразу вызвать метод, если ещё нет временных шагов, или для обнуления активного тогда.
Если обнуляется текущая активная траектория, то мы сохраняем её в self._completed_trajectories.
Аргументы:
indices: 1-D np.ndarray, содержащий индексы обнуляемых траекторий.
observations: np.ndarray формы (длина indices, obs.shape), содержит наблюдения.
|
||
c130720
|
train
|
{
"resource": ""
}
|
Применяет функцию многоучасткового внимания, параметризованную для декодирования.
Аргументы:
x: входной (вход для декодера) сигнал.
hparams: гиперпараметры модели.
encoder_output: Представление энкодера. [батч_размер, input_length, hidden_dim]
decoder_self_attention_bias: Веса влияния и маскировки для внимания декодера самому себе. [батч_размер, decoder_length]
encoder_decoder_attention_bias: Веса влияния и маскировки для взаимодействия энкодера и декодера. [батч_размер, input_length]
attention_dropout_broadcast_dims: Для бродкастинга шума в слоях дропаута, чтобы сэкономить память во время обучения.
save_weights_to: необязательный словарь для сохранения весов внимания с целью визуализации; тензор весов будет добавлен туда под строковым ключом, созданным из области видимости переменных (включая имя).
make_image_summary: Желательно ли создавать сводку изображения внимания.
Возвращаемое значение:
Тензор выходных данных
|
||
c130740
|
train
|
{
"resource": ""
}
|
Выполняет шаг во всех окружениях, не следует предварительно обрабатывать или записывать.
Подклассы должны переопределить этот метод, чтобы выполнить фактический шаг, если нужно что-то другое, кроме стандартной реализации.
Аргументы:
actions: (np.ndarray) со следующей размерностью — размер батча.
Возвращает:
квадратный кортеж, содержащий скопленные безобработанные наблюдения, безобработанное вознаграждение, флаги окончания (dones) и информацию (infos).
|
||
c130760
|
train
|
{
"resource": ""
}
|
Цель PPO с возможным минусом при предсказаниях.
|
||
c130780
|
train
|
{
"resource": ""
}
|
Декоратор для функции построения графа, использующий переменные питания.
|
||
c130800
|
train
|
{
"resource": ""
}
|
Пример из скрытого пространства автоэнкодера.
|
||
c130820
|
train
|
{
"resource": ""
}
|
Создай переменные для слоя нормализации.
|
||
c130840
|
train
|
{
"resource": ""
}
|
Конволюционный GRU в одном измерении.
|
||
c130860
|
train
|
{
"resource": ""
}
|
Найти базовую переменную-ссылку.
Проходит через операции Identity, ReadVariableOp, и Enter,
Останавливаясь, когда тип операции содержит либо "Variable", либо "VarHandle" в названии.
Аргументы:
t: Тензор
Возвращает:
Тензор, который является ссылкой на переменную, или None в случае ошибки.
|
||
c130880
|
train
|
{
"resource": ""
}
|
Придает массиву a форму, соответствующую массиву b по всем измерениям, кроме последнего.
|
||
c130900
|
train
|
{
"resource": ""
}
|
Вычислить средний приз или вознаграждение за указанный эпоху.
|
||
c130920
|
train
|
{
"resource": ""
}
|
Инферирует стандартные пути к каталогам политики и моделей.
Пример:
>>> infer_paths("/some/output/dir/", policy="", model="custom/path")
{"policy": "/some/output/dir/policy", "model": "custom/path",
"output_dir":"/some/output/dir/"}
Аргументы:
output_dir: каталог вывода.
**subdirs: подкаталоги.
Возвращает:
словарь с каталогами.
|
||
c130940
|
train
|
{
"resource": ""
}
|
Создайте трейн- и eval-хуки для эксперимента.
|
||
c130960
|
train
|
{
"resource": ""
}
|
Модель Estimator model_fn распараллелена по батч-измерению.
Аргументы:
sharded_features: {str: [Tensor]}. Характеристики распараллелены по батч-измерению. Каждый список имеет одинаковую длину (равна числу кусочков).
Возвращает:
sharded_logits: [Tensor]. Логиты для каждого кусочка примеров.
losses: {str: 0-D Tensor}. Потери, усреднённые по кусочкам.
|
||
c130980
|
train
|
{
"resource": ""
}
|
Версия для использования с languagemodel_wiki_scramble1k50.
|
||
c131000
|
train
|
{
"resource": ""
}
|
Получает стандартное преобразование потерь; если недоступно, возвращает значение.
|
||
c131020
|
train
|
{
"resource": ""
}
|
Настройки экспериментов по переводу.
Обучайте их на translate_enfr_wmt32k_packed в течение 154000 шагов (3 эпохи).
Параметр size — это целое число, которое контролирует количество голов и размер скрытых слоев каскадного преобразования. Увеличение size на 1 удваивает каждый из этих параметров.
Аргументы:
size: целое число
Возвращает:
объект hparams
|
||
c131040
|
train
|
{
"resource": ""
}
|
Генерируйте словарь из таблицированного исходного файла.
Исходные данные — это файл пары исходного и целевого текста, где каждая строка содержит строку исходного текста и строку целевого текста, разделенные символом табуляции ('\t'). Параметр index указывает на 0 для исходного или 1 для целевого.
Аргументы:
data_dir: путь к директории данных.
tmp_dir: путь к временной директории.
source_filename: имя таблицированного исходного файла.
index: индекс.
vocab_filename: имя файла словаря.
vocab_size: размер словаря.
Возвращает:
Словарь.
|
||
c131060
|
train
|
{
"resource": ""
}
|
Экранируйте и заменяйте символы подчеркивания и символы OOV, добавляя '_'. Это позволяет представить токен в виде конкатенации списка подтокенов из словарного запаса. Символ подчеркивания выступает в роли сигнала, который позволяет инверсно конкатенировать несколько таких списков.
Аргументы:
token: строка Unicode для экранирования.
alphabet: множество всех символов в алфавите словарного запаса.
Возвращает:
escaped_token: экранированная строка Unicode.
Вызывает:
ValueError: если предоставленный токен не является строкой Unicode.
|
||
c131080
|
train
|
{
"resource": ""
}
|
Преобразовать строку с именем файла в список целых чисел RGB.
Аргументы:
s: путь к файлу с изображением.
Возвращает:
ids: список целых чисел
|
||
c131100
|
train
|
{
"resource": ""
}
|
Разбиение кадров текущей эпохи по self.dataset_splits.
Выпадения могут разбиваться на границе шарда. Это желательно, когда у нас есть несколько длинных выпадений, и мы хотим убедиться, что в наборе данных dev есть данные.
|
||
c131120
|
train
|
{
"resource": ""
}
|
Преобразуй x так, чтобы первые две размерности были объединены в одну.
Аргументы:
x: тензор с формой [a, b, ...]
Возвращает:
тензор с формой [ab, ...]
|
||
c131140
|
train
|
{
"resource": ""
}
|
Собирает разглаженные блоки из x.
|
||
c131160
|
train
|
{
"resource": ""
}
|
Преобразуйте индекс группы в его битовое представление.
|
||
c131180
|
train
|
{
"resource": ""
}
|
Загрузите и извлеките наборы данных MSCOCO в каталог, если он ещё не там.
|
||
c131200
|
train
|
{
"resource": ""
}
|
Параметры модели трансформера большого размера на WMT.
|
||
c131220
|
train
|
{
"resource": ""
}
|
Параметры гиперпараметров для обучения "image_cifar10_plain_gen_flat_rev" с использованием памяти.
|
||
c131240
|
train
|
{
"resource": ""
}
|
Извлечь идентификатор из страницы.
Аргументы:
page: строка
Возвращает:
целое число
|
||
c131260
|
train
|
{
"resource": ""
}
|
Средняя часть slicenet, соединяющая кодировщик и декодер.
|
||
c131280
|
train
|
{
"resource": ""
}
|
Эпоха PPO.
|
||
c131300
|
train
|
{
"resource": ""
}
|
Рассчитать коэффициент корреляции Пирсона.
Аргументы:
predictions: Сырые предсказания.
labels: Реальные метки.
weights_fn: Функция взвешивания.
Возвращает:
Коэффициент корреляции Пирсона.
|
||
c131320
|
train
|
{
"resource": ""
}
|
Сериализует гиперпараметры в JSON.
Аргументы:
indent: Если ненегативное целое число, элементы JSON-массивов и члены объекта будут отформатированы с желаемым уровнем отступа. Уровень отступа 0 или отрицательное число будет вставлять только переводы строк. `None` (по умолчанию) выбирает наиболее компактное представление.
separators: Необязательная пара `(item_separator, key_separator)`. По умолчанию `(', ', ': ')`.
sort_keys: Если `True`, выходные словари будут отсортированы по ключам.
Возвращает:
Строка JSON.
|
||
c131340
|
train
|
{
"resource": ""
}
|
Заказана модель дискретного автоэнкодера для текста.
|
||
c131360
|
train
|
{
"resource": ""
}
|
Обратитесь к памяти на основе сходства по содержанию.
Аргументы:
x: тензор в формате [batch_size, length, depth].
Возвращает:
логарифмы для каждой записи в памяти [batch_size, length, memory_size].
|
||
c131380
|
train
|
{
"resource": ""
}
|
Возвращает список шаблонов файлов, один для каждой проблемы.
|
||
c131400
|
train
|
{
"resource": ""
}
|
Выборка из многомерного тензора.
Аргументы:
x: Тензор формы [..., vocab_size]. Параметризует логиты мультиномиального распределения.
vocab_size: Количество классов в мультиномиальном распределении.
sampling_method: Строка, "random" или детерминированный в противном случае.
temperature: Положительный вещественный.
Возвращает:
Тензор формы [...].
|
||
c131420
|
train
|
{
"resource": ""
}
|
версия для languagemodel_wiki_scramble8k50.
languagemodel_wiki_scramble1k50, 1 gpu, 7 тысяч шагов: log(ppl)_eval = 2.92
3.3 шага/с на P100
8 gpu (8x batch), 7 тысяч шагов: log(ppl)_eval = 2.15
Возвращается:
объект hparams
|
||
c131440
|
train
|
{
"resource": ""
}
|
Параметры засыпания VQ.
|
||
c131460
|
train
|
{
"resource": ""
}
|
Собирает кадры из реальной среды для случайных запусков симулированной среды.
|
||
c131480
|
train
|
{
"resource": ""
}
|
Декодер подстроенного трансформера с локальными пространственными слоями 1D.
|
||
c131500
|
train
|
{
"resource": ""
}
|
Для пакетных наборов данных возвращает функцию для упаковки примеров.
Возврат:
Ничего или функция из списка TFRecords в список TFRecords
|
||
c131520
|
train
|
{
"resource": ""
}
|
Слоя для сдвига тензора вправо путем вставки нулей по оси 1.
|
||
c131540
|
train
|
{
"resource": ""
}
|
Украсьте eval функцию.
Примечание
----------
Для задач многоклассовой классификации значения y_pred сначала группируются по class_id, а затем по row_id.
Если вы хотите получить i-ю строку y_pred в j-м классе, то способ доступа будет y_pred[j * num_data + i].
Параметры
----------
func : callable
Ожидается вызываемый объект со следующими подписями:
``func(y_true, y_pred)``,
``func(y_true, y_pred, weight)``
или ``func(y_true, y_pred, weight, group)``
и возвращает (eval_name->строка, eval_result->float, is_bigger_better->bool):
y_true : массив-подобный объект с формой = [n_samples]
Целевые значения.
y_pred : массив-подобный объект с формой = [n_samples] или формой = [n_samples * n_classes] (для задач многоклассовой классификации)
Предсказанные значения.
weight : массив-подобный объект с формой = [n_samples]
Вес примеров.
group : массив-подобный объект
Группа/запрос данных, используемая для задач ранжирования.
Возвращает
-------
new_func : callable
Новая eval функция, как ожидалось в ``lightgbm.engine.train``.
Подпись — ``new_func(preds, dataset)``:
preds : массив-подобный объект с формой = [n_samples] или формой = [n_samples * n_classes] (для задач многоклассовой классификации)
Предсказанные значения.
dataset : Dataset
Обучающая выборка, из которой метки будут извлечены с использованием ``dataset.get_label()``.
|
||
c131560
|
train
|
{
"resource": ""
}
|
Ленивая инициализация.
Возвращает
-------
self : Dataset
Созданный объект Dataset.
|
||
c131580
|
train
|
{
"resource": ""
}
|
Получить количество строк в наборе данных.
Возвращает
----------
количество_строк : int
Количество строк в наборе данных.
|
||
c131600
|
train
|
{
"resource": ""
}
|
Конвертация Бустера в формат JSON.
Параметры
---------
num_iteration : int или None, необязательный (по умолчанию=None)
Индекс итерации, которую следует конвертировать.
Если None, если существует самая лучшая итерация, она конвертируется; в противном случае, конвертируются все итерации.
Если меньше или равно 0, конвертируются все итерации.
start_iteration : int, необязательный (по умолчанию=0)
Начальный индекс итерации, которую следует конвертировать.
Возвращает
---------
json_repr : dict
Представление Бустера в формате JSON.
|
||
c131620
|
train
|
{
"resource": ""
}
|
Измерения производительности цели.
Параметры
----------
objective : строка 'binary' или 'xentropy'
Функция целевой задачи.
label_type : строка 'binary' или 'probability'
Тип метки.
data : словарь
Данные для обучения.
Возвращает
-------
result : словарь
Сводная статистика эксперимента.
|
Subsets and Splits
No community queries yet
The top public SQL queries from the community will appear here once available.