คำนวณระยะทางแก้ไขของ Levenshtein (อาจเป็นมาตรฐาน)
อินพุตเป็นลำดับความยาวผันแปรที่จัดทำโดย SparseTensors (hypothesis_indices, Hypothesis_values, hypothesis_shape) และ (truth_indices, Truth_values, Truth_shape)
อินพุตคือ:
คลาสที่ซ้อนกัน
| ระดับ | แก้ไขระยะทาง ตัวเลือก | แอ็ตทริบิวต์ทางเลือกสำหรับ EditDistance | |
วิธีการสาธารณะ
| เอาท์พุต <โฟลต> | เป็นเอาท์พุต () ส่งกลับค่าแฮนเดิลสัญลักษณ์ของเทนเซอร์ |
| คง <T> แก้ไขระยะทาง | สร้าง ( ขอบเขตขอบเขต ตัว ดำเนิน การ <ยาว> สมมติฐานดัชนี ตัว ดำเนิน การ <T> ค่าสมมุติฐาน ตัวดำเนิน การ <ยาว> รูปทรงสมมุติฐาน ตัว ดำเนินการ <ยาว> ดัชนีความจริง ตัว ดำเนินการ <T> ค่าความจริง ตัวดำเนินการ <ยาว> ความจริงรูปร่าง ตัวเลือก... ตัวเลือก) วิธีการจากโรงงานเพื่อสร้างคลาสที่รวมการดำเนินการ EditDistance ใหม่ |
| EditDistance.Options แบบคงที่ | ทำให้เป็นมาตรฐาน (บูลีนทำให้เป็นมาตรฐาน) |
| เอาท์พุต <โฟลต> | เอาท์พุท () เทนเซอร์โฟลตหนาแน่นที่มีอันดับ R - 1 |
วิธีการสืบทอด
| บูลีน | เท่ากับ (วัตถุ arg0) |
| คลาสสุดท้าย<?> | รับคลาส () |
| ภายใน | แฮชโค้ด () |
| โมฆะสุดท้าย | แจ้ง () |
| โมฆะสุดท้าย | แจ้งทั้งหมด () |
| สตริง | toString () |
| โมฆะสุดท้าย | รอสักครู่ (ยาว arg0, int arg1) |
| โมฆะสุดท้าย | รอ (ยาว arg0) |
| โมฆะสุดท้าย | รอ () |
| เอาต์พุต นามธรรม <ลอย> | เป็นเอาท์พุต () ส่งกลับค่าแฮนเดิลสัญลักษณ์ของเทนเซอร์ |
วิธีการสาธารณะ
เอาท์ พุท สาธารณะ <Float> asOutput ()
ส่งกลับค่าแฮนเดิลสัญลักษณ์ของเทนเซอร์
อินพุตสำหรับการดำเนินการ TensorFlow คือเอาต์พุตของการดำเนินการ TensorFlow อื่น วิธีการนี้ใช้เพื่อรับหมายเลขอ้างอิงสัญลักษณ์ที่แสดงถึงการคำนวณอินพุต
สร้าง EditDistance สาธารณะแบบคงที่ (ขอบเขต ขอบเขต , ตัวดำเนินการ <ยาว> สมมติฐานดัชนี, ตัวดำเนิน การ <T> ค่าสมมุติฐาน, ตัวดำเนิน การ <ยาว> สมมติฐานรูปร่าง, ตัว ดำเนินการ <ยาว> ความจริงดัชนี, ตัวดำเนินการ <T> ค่าความจริง, ตัวดำเนินการ <ยาว> ความจริงรูปร่าง, ตัวเลือก... ตัวเลือก)
วิธีการจากโรงงานเพื่อสร้างคลาสที่รวมการดำเนินการ EditDistance ใหม่
พารามิเตอร์
| ขอบเขต | ขอบเขตปัจจุบัน |
|---|---|
| สมมติฐานดัชนี | ดัชนีของรายการสมมติฐาน SparseTensor นี่คือเมทริกซ์ int64 N x R |
| ค่าสมมุติฐาน | ค่าของรายการสมมติฐาน SparseTensor นี่คือเวกเตอร์ความยาว N |
| สมมติฐานรูปร่าง | รูปร่างของรายการสมมติฐาน SparseTensor นี่คือเวกเตอร์ความยาว R |
| ความจริงดัชนี | ดัชนีของรายการความจริง SparseTensor นี่คือเมทริกซ์ M x R int64 |
| ค่าความจริง | ค่าของรายการความจริง SparseTensor นี่คือเวกเตอร์ความยาว M |
| ความจริงรูปร่าง | ดัชนีความจริง เวกเตอร์ |
| ตัวเลือก | มีค่าแอตทริบิวต์ทางเลือก |
การส่งคืน
- อินสแตนซ์ใหม่ของ EditDistance
EditDistance.Options แบบคงที่สาธารณะ ทำให้เป็นมาตรฐาน (บูลีนทำให้เป็นมาตรฐาน)
พารามิเตอร์
| ทำให้เป็นปกติ | บูลีน (หากเป็นจริง ระยะทางที่แก้ไขจะถูกทำให้เป็นมาตรฐานตามความยาวของความจริง) ผลลัพธ์คือ: |
|---|
เอาท์พุท สาธารณะ <Float> เอาท์พุท ()
เทนเซอร์โฟลตหนาแน่นที่มีอันดับ R - 1
สำหรับอินพุตตัวอย่าง:
// สมมติฐานแสดงถึงเมทริกซ์ 2x1 ที่มีค่าความยาวผันแปรได้: // (0,0) = ["a"] // (1,0) = ["b"] hypothesis_indices = [[0, 0, 0], [1, 0, 0]] สมมติฐาน_ค่า = ["a", "b"] สมมติฐาน_รูปร่าง = [2, 1, 1]
// ความจริงแสดงถึงเมทริกซ์ 2x2 ที่มีค่าความยาวผันแปรได้: // (0,0) = [] // (0,1) = ["a"] // (1,0) = ["b", " ค"] // (1,1) = ["a"] Truth_indices = [[0, 1, 0], [1, 0, 0], [1, 0, 1], [1, 1, 0] ] Truth_values = ["a", "b", "c", "a"] Truth_shape = [2, 2, 2] ทำให้เป็นมาตรฐาน = true
ผลลัพธ์จะเป็น:
// เอาต์พุตเป็นเมทริกซ์ 2x2 พร้อมระยะการแก้ไขที่ทำให้เป็นมาตรฐานด้วยความยาวความจริง output = [[inf, 1.0], // (0,0): ไม่มีความจริง (0,1): ไม่มีสมมติฐาน [0.5, 1.0]] // (1,0): นอกจากนี้ (1,1): ไม่มีสมมติฐาน