aliran tensor:: operasi:: LearnedUnigramCandidateSampler

#include <candidate_sampling_ops.h>

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

Ringkasan

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.

Argumen:

  • ruang lingkup: Objek Lingkup
  • true_classes: Matriks batch_size * num_true, yang setiap barisnya berisi ID num_true target_classes dalam label asli yang sesuai.
  • num_true: Jumlah label yang benar per konteks.
  • num_sampled: Jumlah kandidat yang akan diambil sampelnya secara acak.
  • unik: Jika unik 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.
  • range_max: Sampler akan mengambil sampel bilangan bulat dari interval [0, range_max).

Atribut opsional (lihat Attrs ):

  • seed: Jika salah satu seed atau seed2 disetel bukan nol, pembuat angka acak akan diunggulkan berdasarkan seed yang diberikan. Jika tidak, ia akan diunggulkan dengan benih acak.
  • seed2: Seed kedua untuk menghindari tabrakan seed.

Pengembalian:

  • Output sampled_candidates: Vektor dengan panjang num_sampled, yang setiap elemennya adalah ID kandidat sampel.
  • Output true_expected_count: Matriks batch_size * num_true, mewakili berapa kali setiap kandidat diharapkan muncul dalam kumpulan kandidat sampel. Jika unik=benar, maka ini adalah sebuah probabilitas.
  • Output sampled_expected_count: Sebuah vektor dengan panjang num_sampled, untuk setiap kandidat sampel yang mewakili berapa kali kandidat tersebut diharapkan muncul dalam kumpulan kandidat sampel. Jika unik=benar, maka ini adalah sebuah probabilitas.

Konstruktor dan Destruktor

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)

Struktur

tensorflow:: ops:: LearnedUnigramCandidateSampler:: Attrs

Penyetel atribut opsional untuk LearnedUnigramCandidateSampler .

Atribut publik

operasi

Operation operation

sampel_kandidat

::tensorflow::Output sampled_candidates

sampled_expected_count

::tensorflow::Output sampled_expected_count

hitungan_yang diharapkan_benar

::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
)