LearnedUnigramCandidateSampler

LearnedUnigramCandidateSampler classe final pública

Gera rótulos para amostras de candidatos com uma distribuição de unigrama aprendida.

Consulte as explicações sobre a amostragem de candidatos e os formatos de dados em go / candidate-sampling.

Para cada lote, esta operação escolhe um único conjunto de rótulos candidatos de amostra.

As vantagens da amostragem de candidatos por lote são a simplicidade e a possibilidade de multiplicação de matriz densa eficiente. A desvantagem é que os candidatos amostrados devem ser escolhidos independentemente do contexto e dos rótulos verdadeiros.

Classes aninhadas

classe LearnedUnigramCandidateSampler.Options Atributos opcionais para LearnedUnigramCandidateSampler

Constantes

Fragmento OP_NAME O nome desta operação, conforme conhecido pelo motor principal TensorFlow

Métodos Públicos

estática LearnedUnigramCandidateSampler
criar ( Scope escopo, Operando < TInt64 > trueClasses, Long numTrue, Long numSampled, Boolean única, Long RangeMax, Options ... Opções)
Método de fábrica para criar uma classe envolvendo uma nova operação LearnedUnigramCandidateSampler.
Output < TInt64 >
sampledCandidates ()
Um vetor de comprimento num_sampled, no qual cada elemento é o ID de um candidato amostrado.
Output < TFloat32 >
sampledExpectedCount ()
Um vetor de comprimento num_sampled, para cada candidato amostrado que representa o número de vezes que o candidato deve ocorrer em um lote de candidatos amostrados.
estáticos LearnedUnigramCandidateSampler.Options
sementes (semente Long)
estáticos LearnedUnigramCandidateSampler.Options
seed2 (seed2 Long)
Output < TFloat32 >
trueExpectedCount ()
Uma matriz batch_size * num_true, representando o número de vezes que cada candidato deve ocorrer em um lote de candidatos amostrados.

Métodos herdados

Constantes

nome_op final String public static

O nome desta operação, conforme conhecido pelo motor principal TensorFlow

Valor constante: "LearnedUnigramCandidateSampler"

Métodos Públicos

public static LearnedUnigramCandidateSampler criar ( Scope escopo, Operando < TInt64 > trueClasses, Long numTrue, Long numSampled, Boolean única, Long RangeMax, Options ... Opções)

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

Parâmetros
alcance escopo atual
trueClasses Uma matriz batch_size * num_true, na qual cada linha contém os IDs de num_true target_classes no rótulo original correspondente.
numTrue Número de rótulos verdadeiros por contexto.
numSampled Número de candidatos a serem amostrados aleatoriamente.
exclusivo Se único for verdadeiro, fazemos a amostragem com rejeição, de modo que todos os candidatos amostrados em um lote sejam únicos. Isso requer alguma aproximação para estimar as probabilidades de amostragem pós-rejeição.
rangeMax O amostrador irá amostrar inteiros do intervalo [0, range_max).
opções carrega valores de atributos opcionais
Devoluções
  • uma nova instância de LearnedUnigramCandidateSampler

pública Output < TInt64 > sampledCandidates ()

Um vetor de comprimento num_sampled, no qual cada elemento é o ID de um candidato amostrado.

pública Output < TFloat32 > sampledExpectedCount ()

Um vetor de comprimento num_sampled, para cada candidato amostrado que representa o número de vezes que o candidato deve ocorrer em um lote de candidatos amostrados. Se único = verdadeiro, então esta é uma probabilidade.

public static LearnedUnigramCandidateSampler.Options semente (seed Long)

Parâmetros
semente Se seed ou seed2 forem definidos como diferentes de zero, o gerador de número aleatório é propagado por um determinado seed. Caso contrário, é semeado por uma semente aleatória.

public static LearnedUnigramCandidateSampler.Options seed2 (seed2 Long)

Parâmetros
seed2 Uma segunda semente para evitar a colisão de sementes.

pública Output < TFloat32 > trueExpectedCount ()

Uma matriz batch_size * num_true, representando o número de vezes que cada candidato deve ocorrer em um lote de candidatos amostrados. Se único = verdadeiro, então esta é uma probabilidade.