이 페이지는 Cloud Translation API를 통해 번역되었습니다.
Switch to English

tf.edit_distance

참조 박을

TensorFlow 1 개 버전 GitHub의에서 소스보기

서열 Levenshtein 간의 거리를 계산한다.

이러한 동작은 가변 길이 시퀀스 (얻어 hypothesistruth )와, 각각 제공 SparseTensor 하고 Levenshtein 거리를 계산한다. 당신의 길이에 의해 편집 거리를 정상화 할 수 truth 설정하여 normalize true로.

예를 들어, 다음과 같은 입력이 주어 :

 # 'hypothesis' is a tensor of shape `[2, 1]` with variable-length values:
#   (0,0) = ["a"]
#   (1,0) = ["b"]
hypothesis = tf.sparse.SparseTensor(
    [[0, 0, 0],
     [1, 0, 0]],
    ["a", "b"],
    (2, 1, 1))

# 'truth' is a tensor of shape `[2, 2]` with variable-length values:
#   (0,0) = []
#   (0,1) = ["a"]
#   (1,0) = ["b", "c"]
#   (1,1) = ["a"]
truth = tf.sparse.SparseTensor(
    [[0, 1, 0],
     [1, 0, 0],
     [1, 0, 1],
     [1, 1, 0]],
    ["a", "b", "c", "a"],
    (2, 2, 2))

normalize = True
 

이 작업은 다음을 반환합니다 :

 # 'output' is a tensor of shape `[2, 2]` with edit distances normalized
# by 'truth' lengths.
output ==> [[inf, 1.0],  # (0,0): no truth, (0,1): no hypothesis
           [0.5, 1.0]]  # (1,0): addition, (1,1): no hypothesis
 

hypothesis SparseTensor 가설 서열을 함유.
truth SparseTensor 진실 시퀀스를 포함.
normalize bool . 경우 True 의 길이로 Levenshtein 거리 정규화 truth.
name 작동 (옵션)의 이름을 입력합니다.

조밀 한 Tensor 순위와 R - 1 , R은의 순위입니다 SparseTensor 입력 hypothesistruth .

TypeError 어느 경우 hypothesis 또는 truth 하지 않은 있습니다 SparseTensor .