LogUniformCandidateSampler

clase final pública LogUniformCandidateSampler

Genera etiquetas para el muestreo de candidatos con una distribución logarítmica uniforme.

Consulte las explicaciones sobre el muestreo de candidatos y los formatos de datos en go/candidate-sampling.

Para cada lote, esta operación selecciona un único conjunto de etiquetas candidatas de muestra.

Las ventajas de muestrear candidatos por lote son la simplicidad y la posibilidad de una multiplicación eficiente de matrices densas. La desventaja es que los candidatos de la muestra deben elegirse independientemente del contexto y de las etiquetas verdaderas.

Clases anidadas

clase LogUniformCandidateSampler.Opciones Atributos opcionales para LogUniformCandidateSampler

Constantes

Cadena OP_NOMBRE El nombre de esta operación, como lo conoce el motor central de TensorFlow.

Métodos públicos

LogUniformCandidateSampler estático
crear (alcance alcance , operando < TInt64 > trueClasses, Long numTrue, Long numSampled, booleano único, Long rangeMax, Opciones... opciones)
Método de fábrica para crear una clase que envuelve una nueva operación LogUniformCandidateSampler.
Salida < TInt64 >
Candidatos muestreados ()
Un vector de longitud num_sampled, en el que cada elemento es el ID de un candidato muestreado.
Salida <TFloat32>
sampledExpectedCount ()
Un vector de longitud num_sampled, para cada candidato muestreado que representa el número de veces que se espera que el candidato aparezca en un lote de candidatos muestreados.
estático LogUniformCandidateSampler.Options
semilla (semilla larga)
estático LogUniformCandidateSampler.Options
semilla2 (semilla larga2)
Salida <TFloat32>
verdaderoRecuentoEsperado ()
Una matriz de tamaño de lote * num_true, que representa el número de veces que se espera que aparezca cada candidato en un lote de candidatos muestreados.

Métodos heredados

Constantes

Cadena final estática pública OP_NAME

El nombre de esta operación, como lo conoce el motor central de TensorFlow.

Valor constante: "LogUniformCandidateSampler"

Métodos públicos

creación pública estática de LogUniformCandidateSampler ( alcance , operando <TInt64> trueClasses, Long numTrue, Long numSampled, booleano único, Long rangeMax, Opciones... opciones)

Método de fábrica para crear una clase que envuelve una nueva operación LogUniformCandidateSampler.

Parámetros
alcance alcance actual
verdaderas clases Una matriz de tamaño de lote * num_true, en la que cada fila contiene los ID de num_true target_classes en la etiqueta original correspondiente.
número Verdadero Número de etiquetas verdaderas por contexto.
númMuestreado Número de candidatos a muestrear aleatoriamente.
único Si único es verdadero, tomamos muestras con rechazo, de modo que todos los candidatos muestreados en un lote sean únicos. Esto requiere cierta aproximación para estimar las probabilidades de muestreo posteriores al rechazo.
rangoMax El muestreador tomará muestras de números enteros del intervalo [0, rango_max).
opciones lleva valores de atributos opcionales
Devoluciones
  • una nueva instancia de LogUniformCandidateSampler

Salida pública < TInt64 > candidatos muestreados ()

Un vector de longitud num_sampled, en el que cada elemento es el ID de un candidato muestreado.

Salida pública <TFloat32> sampledExpectedCount ()

Un vector de longitud num_sampled, para cada candidato muestreado que representa el número de veces que se espera que el candidato aparezca en un lote de candidatos muestreados. Si único = verdadero, entonces se trata de una probabilidad.

semilla pública estática LogUniformCandidateSampler.Options (semilla larga)

Parámetros
semilla Si seed o seed2 se configuran como distintos de cero, el generador de números aleatorios se siembra con la semilla dada. De lo contrario, se siembra con una semilla aleatoria.

público estático LogUniformCandidateSampler.Options semilla2 (semilla larga2)

Parámetros
semilla2 Una segunda semilla para evitar la colisión de semillas.

Salida pública <TFloat32> trueExpectedCount ()

Una matriz de tamaño de lote * num_true, que representa el número de veces que se espera que aparezca cada candidato en un lote de candidatos muestreados. Si único = verdadero, entonces se trata de una probabilidad.