Ta strona została przetłumaczona przez Cloud Translation API.
Switch to English

tensorflow :: ops :: LearnedUnigramCandidateSampler

#include <candidate_sampling_ops.h>

Generuje etykiety do próbkowania kandydatów z wyuczonym rozkładem unigramów.

Podsumowanie

Zobacz wyjaśnienia dotyczące próbkowania kandydatów i formatów danych w sekcji go / kandydat-sampling.

Dla każdej partii ta opcja wybiera jeden zestaw próbkowanych etykiet kandydujących.

Zaletami próbkowania kandydatów na partię są prostota i możliwość wydajnego mnożenia gęstej macierzy. Wadą jest to, że kandydaci do próby muszą być wybierani niezależnie od kontekstu i prawdziwych etykiet.

Argumenty:

  • zakres: obiekt Scope
  • true_classes: macierz batch_size * num_true, w której każdy wiersz zawiera identyfikatory num_true target_classes w odpowiedniej oryginalnej etykiecie.
  • num_true: liczba prawdziwych etykiet na kontekst.
  • num_sampled: liczba kandydatów do losowej próby.
  • unikalne: jeśli prawda jest wyjątkowa, próbkujemy z odrzuceniem, tak aby wszyscy wybrani kandydaci w partii byli niepowtarzalni. Wymaga to pewnego przybliżenia w celu oszacowania prawdopodobieństwa pobierania próbek po odrzuceniu.
  • zakres_max: urządzenie próbkujące będzie próbkować liczby całkowite z przedziału [0, zakres_max).

Atrybuty opcjonalne (patrz Attrs ):

  • seed: Jeśli seed lub seed2 są ustawione na wartość niezerową, generator liczb losowych jest inicjowany przez dane ziarno. W przeciwnym razie jest wysiewany przez losowe ziarno.
  • seed2: drugie ziarno, aby uniknąć kolizji nasion.

Zwroty:

  • Output sampled_candidates: wektor o długości num_sampled, w którym każdy element jest identyfikatorem próbkowanego kandydata.
  • Output true_expected_count: macierz batch_size * num_true, przedstawiająca, ile razy każdy kandydat ma wystąpić w partii wybranych kandydatów. Jeśli unique = true, to jest to prawdopodobieństwo.
  • Output sampled_expected_count: wektor o długości num_sampled, dla każdego próbkowanego kandydata przedstawiający, ile razy kandydat ma się pojawić w partii próbkowanych kandydatów. Jeśli unique = true, to jest to prawdopodobieństwo.

Konstruktorzy i niszczyciele

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)

Atrybuty publiczne

operation
sampled_candidates
sampled_expected_count
true_expected_count

Publiczne funkcje statyczne

Seed (int64 x)
Seed2 (int64 x)

Struktury

tensorflow :: ops :: LearnedUnigramCandidateSampler :: Attrs

Opcjonalne metody ustawiające atrybuty dla LearnedUnigramCandidateSampler .

Atrybuty publiczne

operacja

Operation operation

sampled_candidates

::tensorflow::Output sampled_candidates

sampled_expected_count

::tensorflow::Output sampled_expected_count

true_expected_count

::tensorflow::Output true_expected_count

Funkcje publiczne

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
)

Publiczne funkcje statyczne

Nasionko

Attrs Seed(
  int64 x
)

Seed2

Attrs Seed2(
  int64 x
)