Cette page a été traduite par l'API Cloud Translation.
Switch to English

tf.nn.compute_accidental_hits

Tensorflow 1 Version Voir la source sur GitHub

Calculer les identifiants de position en sampled_candidates correspondant à true_classes .

Dans candidat d'échantillonnage, cette opération facilite les classes pratiquement éliminer l'échantillon qui font correspondre les classes cibles. Cela se fait dans Echantillonné Softmax et Echantillonné logistique.

Voir notre candidat d' échantillonnage des algorithmes de référence .

Nous supposons que les sampled_candidates sont uniques.

Nous l'appelons un « coup accidentel » quand l'une des classes cibles correspond à l'une des classes échantillonnées. Cette opération signale résultats accidentelles triples (index, id, weight) , où l' index représente le numéro de ligne dans true_classes , id représente la position dans sampled_candidates , et le poids est -FLOAT_MAX .

Le résultat de cette op devrait être passé à travers une sparse_to_dense opération, puis ajouté à logits des classes échantillonnées. Cela supprime l'effet contradictoire de l'échantillonnage par hasard les vraies classes cibles comme des classes de bruit pour le même exemple.

true_classes Un Tensor de type int64 et de la forme [batch_size, num_true] . Les classes cibles.
sampled_candidates Un tenseur de type int64 et de la forme [num_sampled] . La sortie de sampled_candidates de CandidateSampler.
num_true Un int . Le nombre de classes cibles par formation exemple.
seed Un int . Une graine de spécifique à l'opération. Par défaut est 0.
name Un nom pour l'opération (en option).

indices Un Tensor de type int32 et de la forme [num_accidental_hits] . Les valeurs indiquent les lignes de true_classes .
ids Un Tensor de type int64 et de la forme [num_accidental_hits] . Les valeurs indiquent les positions dans sampled_candidates .
weights Un Tensor de type float et de la forme [num_accidental_hits] . Chaque valeur est -FLOAT_MAX .