Halaman ini diterjemahkan oleh Cloud Translation API.
Switch to English

tensorflow :: ops :: LearnedUnigramCandidateSampler

#include <candidate_sampling_ops.h>

Menghasilkan label untuk pengambilan sampel kandidat dengan distribusi unigram yang dipelajari.

Ringkasan

Lihat penjelasan tentang pengambilan sampel kandidat dan format data di go / kandidat-sampling.

Untuk setiap batch, operasi ini mengambil satu set label kandidat sampel.

Keuntungan dari kandidat pengambilan sampel per batch adalah kesederhanaan dan kemungkinan perkalian matriks rapat yang efisien. Kerugiannya adalah bahwa calon sampel harus dipilih secara independen dari konteks dan label yang sebenarnya.

Argumen:

  • scope: Objek Scope
  • true_classes: Sebuah matriks batch_size * num_true, di mana setiap baris berisi ID dari num_true target_classes di label asli yang sesuai.
  • num_true: Jumlah label sebenarnya per konteks.
  • num_sampled: Jumlah kandidat untuk diambil sampelnya secara acak.
  • unique: Jika unique is true, kami mengambil sampel dengan penolakan, sehingga semua sampel kandidat dalam satu batch menjadi unik. Ini membutuhkan beberapa perkiraan untuk memperkirakan probabilitas pengambilan sampel setelah penolakan.
  • range_max: Sampler akan mengambil sampel bilangan bulat dari interval [0, range_max).

Atribut opsional (lihat Attrs ):

  • benih: Jika salah satu benih atau benih2 ditetapkan menjadi bukan nol, generator nomor acak disemai oleh benih yang diberikan. Jika tidak, itu diunggulkan dengan benih acak.
  • seed2: Benih kedua untuk menghindari tumbukan benih.

Pengembalian:

  • Output sampled_candidates: Sebuah vektor dengan panjang num_sampled, di mana setiap elemen adalah ID dari kandidat yang disampel.
  • Output true_expected_count: Matriks batch_size * num_true, yang menunjukkan berapa kali setiap kandidat diharapkan muncul dalam sekumpulan kandidat sampel. Jika unique = true, maka ini adalah probabilitas.
  • Output sampled_expected_count: Vektor dengan panjang num_sampled, untuk setiap kandidat sampel yang mewakili frekuensi kandidat diharapkan muncul dalam sekumpulan kandidat sampel. Jika unique = true, maka ini adalah probabilitas.

Pembuat dan Penghancur

LearnedUnigramCandidateSampler (const :: tensorflow::Scope & scope, :: tensorflow::Input true_classes, int64 num_true, int64 num_sampled, bool unique, int64 range_max)
LearnedUnigramCandidateSampler (const :: tensorflow::Scope & scope, :: tensorflow::Input true_classes, int64 num_true, int64 num_sampled, bool unique, int64 range_max, const LearnedUnigramCandidateSampler::Attrs & attrs)

Atribut publik

operation
sampled_candidates
sampled_expected_count
true_expected_count

Fungsi statis publik

Seed (int64 x)
Seed2 (int64 x)

Structs

tensorflow :: ops :: LearnedUnigramCandidateSampler :: Attrs

Penyetel atribut opsional untuk LearnedUnigramCandidateSampler .

Atribut publik

operasi

Operation operation
.dll

sampled_candidates

::tensorflow::Output sampled_candidates

sampled_expected_count

::tensorflow::Output sampled_expected_count

true_expected_count

::tensorflow::Output true_expected_count

Fungsi publik

LearnedUnigramCandidateSampler

 LearnedUnigramCandidateSampler(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input true_classes,
  int64 num_true,
  int64 num_sampled,
  bool unique,
  int64 range_max
)

LearnedUnigramCandidateSampler

 LearnedUnigramCandidateSampler(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input true_classes,
  int64 num_true,
  int64 num_sampled,
  bool unique,
  int64 range_max,
  const LearnedUnigramCandidateSampler::Attrs & attrs
)

Fungsi statis publik

Benih

Attrs Seed(
  int64 x
)

Benih2

Attrs Seed2(
  int64 x
)