Advertencia: esta API está obsoleta y se eliminará en una versión futura de TensorFlow una vez que el reemplazo sea ​​estable.

EditDistance

EditDistance public final class

Calcula la distancia de edición de Levenshtein (posiblemente normalizada).

Las entradas son secuencias de longitud variable proporcionadas por SparseTensors (hypothesis_indices, hypothesis_values, hypothesis_shape) y (truth_indices, truth_values, truth_shape).

Las entradas son:

Clases anidadas

clase EditDistance.Options Los atributos opcionales para EditDistance

Métodos públicos

Salida <Float>
asOutput ()
Devuelve el identificador simbólico de un tensor.
estática <T> EditDistance
crear ( Alcance alcance, operando <pulsación larga> hypothesisIndices, operando <T> hypothesisValues, operando <Larga> hypothesisShape, operando <Larga> truthIndices, operando <T> truthValues, operando <Larga> truthShape, Opciones ... Opciones)
Método de fábrica para crear una clase que envuelva una nueva operación EditDistance.
estáticas EditDistance.Options
Normalizar (Normalizar Boolean)
Salida <Float>
salida ()
Un tensor de flotador denso con rango R - 1.

Métodos heredados

Métodos públicos

pública de salida <Float> asOutput ()

Devuelve el identificador simbólico de un tensor.

Las entradas a las operaciones de TensorFlow son salidas de otra operación de TensorFlow. Este método se utiliza para obtener un identificador simbólico que representa el cálculo de la entrada.

public static EditDistance crear ( Alcance alcance, operando <pulsación larga> hypothesisIndices, operando <T> hypothesisValues, operando <Larga> hypothesisShape, operando <Larga> truthIndices, operando <T> truthValues, operando <Larga> truthShape, Opciones ... Opciones)

Método de fábrica para crear una clase que envuelva una nueva operación EditDistance.

Parámetros
alcance alcance actual
Hipótesis Índices Los índices de la lista de hipótesis SparseTensor. Esta es una matriz N x R int64.
Hipótesis Valores Los valores de la lista de hipótesis SparseTensor. Este es un vector de longitud N.
Hipótesis Forma La forma de la lista de hipótesis SparseTensor. Este es un vector de longitud R.
verdadIndices Los índices de la lista de verdad SparseTensor. Esta es una matriz M x R int64.
VerdadValores Los valores de la lista de verdad SparseTensor. Este es un vector de longitud M.
VerdadShape índices de verdad, vector.
opciones lleva valores de atributos opcionales
Devoluciones
  • una nueva instancia de EditDistance

estáticas pública EditDistance.Options normalizan (normalizar booleana)

Parámetros
normalizar booleano (si es verdadero, las distancias de edición se normalizan según la longitud de la verdad).

La salida es:

pública de salida <Float> salida ()

Un tensor de flotador denso con rango R - 1.

Para la entrada de ejemplo:

// la hipótesis representa una matriz 2x1 con valores de longitud variable: // (0,0) = ["a"] // (1,0) = ["b"] hypothesis_indices = [[0, 0, 0], [1, 0, 0]] hypothesis_values ​​= ["a", "b"] hypothesis_shape = [2, 1, 1]

// la verdad representa una matriz de 2x2 con valores de longitud variable: // (0,0) = [] // (0,1) = ["a"] // (1,0) = ["b", " c "] // (1,1) = [" a "] índices_verdad = [[0, 1, 0], [1, 0, 0], [1, 0, 1], [1, 1, 0] ] valores_verdad = ["a", "b", "c", "a"] forma_verdad = [2, 2, 2] normalizar = verdadero

La salida será:

// la salida es una matriz de 2x2 con distancias de edición normalizadas por longitudes de verdad. salida = [[inf, 1.0], // (0,0): sin verdad, (0,1): sin hipótesis [0.5, 1.0]] // (1,0): suma, (1,1): sin hipótesis