מחלקה גמר ציבורית מדים מועמד לדוגמה
יוצר תוויות לדגימת מועמדים בהתפלגות אחידה.
ראה הסברים על דגימת מועמדים ותבניות הנתונים ב-go/candidate-sampling.
עבור כל אצווה, פעולה זו בוחרת קבוצה אחת של תוויות מועמדות שנדגמו.
היתרונות של דגימת מועמדים לכל אצווה הם הפשטות והאפשרות של כפל מטריקס צפוף יעיל. החיסרון הוא שיש לבחור את המועמדים הנדגמים ללא תלות בהקשר ובתוויות האמיתיות.
כיתות מקוננות
| מעמד | UniformCandidateSampler.אפשרויות | תכונות אופציונליות עבור UniformCandidateSampler | |
קבועים
| חוּט | OP_NAME | השם של המבצע הזה, כפי שידוע על ידי מנוע הליבה של TensorFlow |
שיטות ציבוריות
| סטטי UniformCandidateSampler | צור ( scope scope, Operand < TInt64 > trueClasses, Long numTrue, Long numSampled, Boolean unique, Long rangeMax, Options... options) שיטת מפעל ליצירת מחלקה העוטפת פעולת UniformCandidateSampler חדשה. |
| פלט < TInt64 > | sampledCandidates () וקטור באורך num_sampled, שבו כל אלמנט הוא המזהה של מועמד שנדגם. |
| פלט < TFloat32 > | sampledExpectedCount () וקטור באורך num_sampled, עבור כל מועמד שנדגם המייצג את מספר הפעמים שהמועמד צפוי להתרחש בקבוצה של מועמדים שנדגמו. |
| סטטי UniformCandidateSampler.אפשרויות | זרע (זרע ארוך) |
| סטטי UniformCandidateSampler.אפשרויות | seed2 (זרע ארוך2) |
| פלט < TFloat32 > | trueExpectedCount () מטריצת batch_size * num_true, המייצגת את מספר הפעמים שכל מועמד צפוי להתרחש באצווה של מועמדים שנדגמו. |
שיטות בירושה
קבועים
מחרוזת סופית סטטית ציבורית OP_NAME
השם של המבצע הזה, כפי שידוע על ידי מנוע הליבה של TensorFlow
ערך קבוע: "UniformCandidateSampler"
שיטות ציבוריות
public static UniformCandidateSampler create ( scope scope, Operand < TInt64 > trueClasses, Long numTrue, Long numSampled, Boolean unique, Long rangeMax, Options... options)
שיטת מפעל ליצירת מחלקה העוטפת פעולת UniformCandidateSampler חדשה.
פרמטרים
| תְחוּם | ההיקף הנוכחי |
|---|---|
| trueClasss | מטריצת batch_size * num_true, שבה כל שורה מכילה את המזהים של num_true target_classes בתווית המקורית המתאימה. |
| numTrue | מספר התוויות האמיתיות לכל הקשר. |
| numSampled | מספר המועמדים לדגימה אקראית. |
| ייחודי | אם ייחודי הוא נכון, אנו דוגמים עם דחייה, כך שכל המועמדים שנדגמו באצווה יהיו ייחודיים. זה דורש קירוב מסוים כדי להעריך את הסתברויות הדגימה שלאחר הדחייה. |
| טווח מקסימום | המדגם ידגום מספרים שלמים מהמרווח [0, range_max). |
| אפשרויות | נושא ערכי תכונות אופציונליות |
החזרות
- מופע חדש של UniformCandidateSampler
פלט ציבורי < TInt64 > sampledCandidates ()
וקטור באורך num_sampled, שבו כל אלמנט הוא המזהה של מועמד שנדגם.
פלט ציבורי < TFloat32 > sampledExpectedCount ()
וקטור באורך num_sampled, עבור כל מועמד שנדגם המייצג את מספר הפעמים שהמועמד צפוי להתרחש בקבוצה של מועמדים שנדגמו. אם ייחודי=נכון, אז זו הסתברות.
ציבורי סטטי אחיד מדגם מועמד. סיד אפשרויות (סיד ארוך)
פרמטרים
| זֶרַע | אם ה-seed או seed2 מוגדרים לא-אפס, מחולל המספרים האקראיים מוזרע על ידי ה-seed הנתון. אחרת, הוא נזרע על ידי זרע אקראי. |
|---|
מדים סטטי ציבורי מדגם מועמד. אפשרויות seed2 (גרעין ארוך2)
פרמטרים
| זרע 2 | זרע שני כדי למנוע התנגשות זרע. |
|---|