Menghasilkan label untuk pengambilan sampel kandidat dengan distribusi seragam.
Lihat penjelasan mengenai pengambilan sampel kandidat dan format datanya di go/candidate-sampling.
Untuk setiap batch, operasi ini mengambil satu set sampel label kandidat.
Keuntungan pengambilan sampel kandidat per batch adalah kesederhanaan dan kemungkinan perkalian matriks padat yang efisien. Kerugiannya adalah kandidat yang dijadikan sampel harus dipilih secara independen dari konteks dan label yang sebenarnya.
Kelas Bersarang
| kelas | UniformCandidateSampler.Options | Atribut opsional untuk UniformCandidateSampler | |
Konstanta
| Rangkaian | OP_NAME | Nama operasi ini dikenal dengan mesin inti TensorFlow |
Metode Publik
| UniformCandidateSampler statis | |
| Keluaran < TInt64 > | sampelKandidat () Vektor dengan panjang num_sampled, yang setiap elemennya merupakan ID kandidat sampel. |
| Keluaran < TFloat32 > | sampledExpectedCount () Sebuah vektor dengan panjang num_sampled, untuk setiap kandidat sampel yang mewakili berapa kali kandidat tersebut diharapkan muncul dalam sekumpulan kandidat sampel. |
| UniformCandidateSampler.Options statis | benih (biji panjang) |
| UniformCandidateSampler.Options statis | seed2 (Benih panjang2) |
| Keluaran < TFloat32 > | benarExpectedCount () Matriks batch_size * num_true, mewakili berapa kali setiap kandidat diharapkan muncul dalam kumpulan kandidat sampel. |
Metode Warisan
Konstanta
String akhir statis publik OP_NAME
Nama operasi ini dikenal dengan mesin inti TensorFlow
Metode Publik
pembuatan UniformCandidateSampler statis publik ( Lingkup cakupan, Operan < TInt64 > trueClasses, Long numTrue, Long numSampled, Boolean unik, Long rangeMax, Opsi... opsi)
Metode pabrik untuk membuat kelas yang membungkus operasi UniformCandidateSampler baru.
Parameter
| cakupan | ruang lingkup saat ini |
|---|---|
| Kelas benar | Matriks batch_size * num_true, yang setiap barisnya berisi ID dari num_true target_classes di label asli yang sesuai. |
| nomor Benar | Jumlah label sebenarnya per konteks. |
| jumlah sampel | Jumlah kandidat yang akan diambil sampelnya secara acak. |
| unik | Jika keunikan benar, kami mengambil sampel dengan penolakan, sehingga semua kandidat sampel dalam suatu kelompok adalah unik. Hal ini memerlukan beberapa perkiraan untuk memperkirakan probabilitas pengambilan sampel pasca penolakan. |
| rentang Maks | Sampler akan mengambil sampel bilangan bulat dari interval [0, range_max). |
| pilihan | membawa nilai atribut opsional |
Kembali
- contoh baru dari UniformCandidateSampler
Output publik < TInt64 > sampel Kandidat ()
Vektor dengan panjang num_sampled, yang setiap elemennya merupakan ID kandidat sampel.
Keluaran publik < TFloat32 > sampledExpectedCount ()
Sebuah vektor dengan panjang num_sampled, untuk setiap kandidat sampel yang mewakili berapa kali kandidat tersebut diharapkan muncul dalam sekumpulan kandidat sampel. Jika unik=benar, maka ini adalah sebuah probabilitas.
Benih UniformCandidateSampler.Options statis publik (Benih panjang)
Parameter
| benih | Jika salah satu seed atau seed2 disetel bukan nol, pembuat nomor acak akan diunggulkan oleh seed yang diberikan. Jika tidak, ia akan diunggulkan dengan benih acak. |
|---|
UniformCandidateSampler.Options seed2 statis publik (Benih panjang2)
Parameter
| benih2 | Benih kedua untuk menghindari benturan benih. |
|---|