Aviso: esta API está obsoleta e será removida em uma versão futura do TensorFlow depois que a substituição estiver estável.

EditDistance

public final class EditDistance

Calcula a distância de edição de Levenshtein (possivelmente normalizada).

As entradas são sequências de comprimento variável fornecidas por SparseTensors (hipótese_indices, hipótese_valores, hipótese_forma) e (verdade_indices, verdade_valores, forma_verdadeira).

As entradas são:

Classes aninhadas

aula EditDistance.Options Atributos opcionais para EditDistance

Métodos Públicos

Resultado <Float>
asOutput ()
Retorna o identificador simbólico de um tensor.
static <T> EditDistance
criar ( Scope escopo, Operando <longo> hypothesisIndices, Operando <T> hypothesisValues, Operando <longo> hypothesisShape, Operando <longo> truthIndices, Operando <T> truthValues, Operando <longo> truthShape, Options ... Opções)
Método de fábrica para criar uma classe envolvendo uma nova operação EditDistance.
static EditDistance.Options
normalizar ( normalizar booleano)
Saída <Float>
saída ()
Um tensor de float denso com classificação R-1.

Métodos herdados

Métodos Públicos

public Output <Float> asOutput ()

Retorna o identificador simbólico de um tensor.

As entradas para as operações do TensorFlow são saídas de outra operação do TensorFlow. Este método é usado para obter um identificador simbólico que representa o cálculo da entrada.

public static EditDistance criar ( Scope escopo, Operando <longo> hypothesisIndices, Operando <T> hypothesisValues, Operando <longo> hypothesisShape, Operando <longo> truthIndices, Operando <T> truthValues, Operando <longo> truthShape, Options ... Opções)

Método de fábrica para criar uma classe envolvendo uma nova operação EditDistance.

Parâmetros
alcance escopo atual
hipotesisIndices Os índices da lista de hipóteses SparseTensor. Esta é uma matriz N x R int64.
hipotesisValues Os valores da lista de hipóteses SparseTensor. Este é um vetor de comprimento N.
hipóteseShape A forma da lista de hipóteses SparseTensor. Este é um vetor de comprimento R.
trueIndices Os índices da lista verdade SparseTensor. Esta é uma matriz M x R int64.
trueValues Os valores da lista de verdade SparseTensor. Este é um vetor de comprimento M.
trueShape índices de verdade, vetor.
opções carrega valores de atributos opcionais
Devoluções
  • uma nova instância de EditDistance

public static EditDistance.Options normalize (Boolean normalize)

Parâmetros
normalizar booleano (se verdadeiro, as distâncias de edição são normalizadas pelo comprimento da verdade).

O resultado é:

Saída pública <Float> output ()

Um tensor de float denso com classificação R-1.

Para o exemplo de entrada:

// a hipótese representa uma matriz 2x1 com valores de comprimento variável: // (0,0) = ["a"] // (1,0) = ["b"] hipótese_indices = [[0, 0, 0], [1, 0, 0]] hipótese_valores = ["a", "b"] hipótese_forma = [2, 1, 1]

// verdade representa uma matriz 2x2 com valores de comprimento variável: // (0,0) = [] // (0,1) = ["a"] // (1,0) = ["b", " c "] // (1,1) = [" a "] verdade_indices = [[0, 1, 0], [1, 0, 0], [1, 0, 1], [1, 1, 0] ] true_values ​​= ["a", "b", "c", "a"] truth_shape = [2, 2, 2] normalizar = verdadeiro

O resultado será:

// a saída é uma matriz 2x2 com distâncias de edição normalizadas por comprimentos verdade. output = [[inf, 1.0], // (0,0): sem verdade, (0,1): sem hipótese [0,5, 1,0]] // (1,0): adição, (1,1): nenhuma hipótese