LearnedUnigramCandidateSampler

halka açık final sınıfı LearnedUnigramCandidateSampler

Öğrenilmiş bir unigram dağılımıyla aday örneklemesi için etiketler oluşturur.

Go/candidate-sampling adresinde aday örnekleme ve veri formatları ile ilgili açıklamalara bakın.

Bu operasyon, her parti için tek bir örneklenmiş aday etiket seti seçer.

Parti başına aday örneklemenin avantajları basitlik ve verimli yoğun matris çoğaltma olanağıdır. Dezavantajı ise örneklenen adayların bağlamdan ve gerçek etiketlerden bağımsız olarak seçilmesinin gerekmesidir.

İç İçe Sınıflar

sınıf LearnedUnigramCandidateSampler.Options LearnedUnigramCandidateSampler için isteğe bağlı özellikler

Sabitler

Sicim OP_NAME Bu operasyonun TensorFlow çekirdek motoru tarafından bilinen adı

Genel Yöntemler

statik LearnedUnigramCandidateSampler
create ( Kapsam kapsamı, İşlenen < TInt64 > trueClasses, Long numTrue, Long numSampled, Boolean benzersiz, Uzun menzilMax, Seçenekler... seçenekler)
Yeni bir LearnedUnigramCandidateSampler işlemini saran bir sınıf oluşturmaya yönelik fabrika yöntemi.
Çıkış < TInt64 >
örneklenen Adaylar ()
Her öğenin örneklenmiş bir adayın kimliği olduğu num_sampled uzunluğunda bir vektör.
Çıkış < TFloat32 >
sampledExpectedCount ()
Num_sampled uzunluğundaki bir vektör, örneklenen her aday için, adayın örneklenen adaylardan oluşan bir grupta kaç kez ortaya çıkmasının beklendiğini temsil eder.
statik LearnedUnigramCandidateSampler.Options
tohum (Uzun tohum)
statik LearnedUnigramCandidateSampler.Options
tohum2 (Uzun tohum2)
Çıkış < TFloat32 >
trueExpectedCount ()
Örneklenmiş adaylardan oluşan bir grupta her bir adayın kaç kez ortaya çıkmasının beklendiğini temsil eden bir parti_boyutu * num_true matrisi.

Kalıtsal Yöntemler

Sabitler

genel statik son Dize OP_NAME

Bu operasyonun TensorFlow çekirdek motoru tarafından bilinen adı

Sabit Değer: "LearnedUnigramCandidateSampler"

Genel Yöntemler

public static LearnedUnigramCandidateSampler create ( Kapsam kapsamı, İşlenen < TInt64 > trueClasses, Uzun numTrue, Uzun numSampled, Boolean benzersiz, Uzun menzilMax, Seçenekler... seçenekler)

Yeni bir LearnedUnigramCandidateSampler işlemini saran bir sınıf oluşturmaya yönelik fabrika yöntemi.

Parametreler
kapsam mevcut kapsam
trueClasses Her satırın karşılık gelen orijinal etiketteki num_true hedef_sınıflarının kimliklerini içerdiği birbatch_size * num_true matrisi.
numTrue Bağlam başına gerçek etiketlerin sayısı.
numSampled Rastgele örneklenecek aday sayısı.
eşsiz Benzersiz doğruysa, bir grupta örneklenen tüm adayların benzersiz olması için reddedilerek örnek alırız. Bu, ret sonrası örnekleme olasılıklarını tahmin etmek için bazı yaklaşımlar gerektirir.
aralıkMaks Örnekleyici [0, range_max) aralığındaki tam sayıları örnekleyecektir.
seçenekler isteğe bağlı nitelik değerlerini taşır
İadeler
  • LearnedUnigramCandidateSampler'ın yeni bir örneği

genel Çıktı < TInt64 > sampledCandidates ()

Her öğenin örneklenmiş bir adayın kimliği olduğu num_sampled uzunluğunda bir vektör.

genel Çıkış < TFloat32 > sampledExpectedCount ()

Num_sampled uzunluğundaki bir vektör, örneklenen her aday için, adayın örneklenen adaylardan oluşan bir grupta kaç kez ortaya çıkmasının beklendiğini temsil eder. Benzersiz=doğru ise bu bir olasılıktır.

public static LearnedUnigramCandidateSampler.Options tohumu (Uzun tohum)

Parametreler
tohum Tohum veya tohum2 sıfırdan farklı bir değere ayarlanmışsa, rastgele sayı üreteci verilen tohum tarafından tohumlanır. Aksi takdirde rastgele bir tohumla tohumlanır.

public static LearnedUnigramCandidateSampler.Options tohum2 (Uzun tohum2)

Parametreler
tohum2 Tohum çarpışmasını önlemek için ikinci bir tohum.

genel Çıkış < TFloat32 > trueExpectedCount ()

Örneklenmiş adaylardan oluşan bir grupta her bir adayın kaç kez ortaya çıkmasının beklendiğini temsil eden bir parti_boyutu * num_true matrisi. Benzersiz=doğru ise bu bir olasılıktır.