Oblicza (prawdopodobnie znormalizowaną) odległość edycji Levenshteina.
Dane wejściowe to sekwencje o zmiennej długości dostarczane przez SparseTensors (indices_hipotezy, wartości_hipotezy, kształt_hipotezy) i (indices_prawdy, wartości_prawdy, kształt_prawdy).
Dane wejściowe to:
Klasy zagnieżdżone
| klasa | Edytuj odległość.Opcje | Opcjonalne atrybuty EditDistance | |
Stałe
| Strunowy | OP_NAME | Nazwa tej operacji znana silnikowi rdzenia TensorFlow |
Metody publiczne
| Dane wyjściowe <TFloat32> | jako wyjście () Zwraca symboliczny uchwyt tensora. |
| statyczny <T rozszerza TType > EditDistance | utwórz ( Zakres zasięgu, Operand < TInt64 > hipotezaIndices, Operand <T> hipotezaValues, Operand < TInt64 > hipotezaShape, Operand < TInt64 > prawdaIndices, Operand <T> prawdaValues, Operand < TInt64 > prawdaKształt, Opcje... opcje) Metoda fabryczna służąca do tworzenia klasy opakowującej nową operację EditDistance. |
| statyczne EditDistance.Options | normalizuj (normalizuj logicznie) |
| Dane wyjściowe <TFloat32> | wyjście () Gęsty tensor float o randze R - 1. |
Metody dziedziczone
Stałe
publiczny statyczny końcowy ciąg znaków OP_NAME
Nazwa tej operacji znana silnikowi rdzenia TensorFlow
Metody publiczne
publiczne wyjście < TFloat32 > asOutput ()
Zwraca symboliczny uchwyt tensora.
Dane wejściowe operacji TensorFlow są wynikami innej operacji TensorFlow. Ta metoda służy do uzyskania symbolicznego uchwytu reprezentującego obliczenia danych wejściowych.
public static EditDistance create (zakres zasięgu , Operand < TInt64 > hipotezaIndices, Operand <T> hipotezaValues, Operand < TInt64 > hipotezaShape, Operand < TInt64 > trueIndices, Operand <T> trueValues, Operand < TInt64 > trueShape, Opcje... opcje)
Metoda fabryczna służąca do tworzenia klasy opakowującej nową operację EditDistance.
Parametry
| zakres | aktualny zakres |
|---|---|
| HipotezaIndeksy | Indeksy listy hipotez SparseTensor. To jest macierz N x R int64. |
| HipotezaWartości | Wartości listy hipotez SparseTensor. To jest wektor o długości N. |
| hipotezaKształt | Kształt listy hipotez SparseTensor. To jest wektor o długości R. |
| wskaźniki prawdy | Indeksy listy prawdy SparseTensor. To jest macierz M x R int64. |
| wartości prawdy | Wartości listy prawdy SparseTensor. To jest wektor o długości M. |
| kształt prawdy | wskaźniki prawdy, wektor. |
| opcje | przenosi opcjonalne wartości atrybutów |
Zwroty
- nowa instancja EditDistance
public static EditDistance.Options normalizuj (normalizuj logicznie)
Parametry
| normalizować | wartość logiczna (jeśli prawda, odległości edycji są normalizowane według długości prawdy). Dane wyjściowe to: |
|---|
publiczne wyjście < TFloat32 > wyjście ()
Gęsty tensor float o randze R - 1.
Dla przykładowego wejścia:
// hipoteza reprezentuje macierz 2x1 o wartościach o zmiennej długości: // (0,0) = ["a"] // (1,0) = ["b"] wskaźniki_hipotezy = [[0, 0, 0], [1, 0, 0]] Wartości_hipotezy = ["a", "b"] Kształt_hipotezy = [2, 1, 1]
// prawda reprezentuje macierz 2x2 o wartościach o zmiennej długości: // (0,0) = [] // (0,1) = ["a"] // (1,0) = ["b", " c"] // (1,1) = ["a"]indices_prawdy = [[0, 1, 0], [1, 0, 0], [1, 0, 1], [1, 1, 0] ] wartości_prawdy = ["a", "b", "c", "a"] prawda_kształt = [2, 2, 2] normalizacja = prawda
Dane wyjściowe będą następujące:
// wyjściem jest macierz 2x2 z odległościami edycji znormalizowanymi przez długości prawdy. wynik = [[inf, 1.0], // (0,0): brak prawdy, (0,1): brak hipotezy [0.5, 1.0]] // (1,0): dodanie, (1,1): żadnej hipotezy