tensorflow::ops::نمونه بردار کاندیدای لاگ

برچسب‌هایی برای نمونه‌گیری کاندید با توزیع لگاریتمی یکنواخت تولید می‌کند.

خلاصه

توضیحات مربوط به نمونه‌گیری کاندیدا و قالب‌های داده‌ها را در go/candidate-sampling ببینید.

برای هر دسته، این عملیات یک مجموعه واحد از برچسب‌های کاندید نمونه‌برداری شده را انتخاب می‌کند.

مزایای نمونه‌برداری از کاندیداها در هر دسته، سادگی و امکان ضرب ماتریس متراکم کارآمد است. عیب آن این است که کاندیداهای نمونه‌برداری شده باید مستقل از زمینه و برچسب‌های واقعی انتخاب شوند.

استدلال‌ها:

• دامنه: یک شیء دامنه
• true_classes: یک ماتریس batch_size * num_true که در آن هر سطر شامل شناسه‌های num_true target_classes در برچسب اصلی مربوطه است.
• num_true: تعداد برچسب‌های صحیح در هر زمینه.
• num_sampled: تعداد کاندیداهایی که به صورت تصادفی نمونه‌برداری می‌شوند.
• منحصر به فرد: اگر منحصر به فرد بودن درست باشد، ما با رد نمونه‌گیری می‌کنیم، به طوری که همه کاندیداهای نمونه‌برداری شده در یک دسته منحصر به فرد هستند. این امر نیاز به تخمین تقریبی برای تخمین احتمالات نمونه‌گیری پس از رد دارد.
• range_max: نمونه‌گیر، اعداد صحیح را از بازه [0, range_max) نمونه‌برداری می‌کند.

ویژگی‌های اختیاری (به Attrs مراجعه کنید):

• دانه: اگر هر یک از دانه‌ها یا دانه ۲ روی غیر صفر تنظیم شده باشند، مولد اعداد تصادفی توسط دانه داده شده دانه‌گذاری می‌شود. در غیر این صورت، توسط یک دانه تصادفی دانه‌گذاری می‌شود.
• seed2: یک دانه دوم برای جلوگیری از برخورد دانه‌ها.

بازده:

• Output sampled_candidates: برداری به طول num_sampled که در آن هر عنصر، شناسه‌ی یک کاندیدای نمونه‌برداری شده است.
• Output true_expected_count: یک ماتریس batch_size * num_true که تعداد دفعاتی را که انتظار می‌رود هر کاندیدا در یک دسته از کاندیداهای نمونه‌گیری شده رخ دهد، نشان می‌دهد. اگر unique=true باشد، این یک احتمال است.
• Output sampled_expected_count: برداری به طول num_sampled، برای هر کاندیدای نمونه‌برداری شده که نشان دهنده تعداد دفعاتی است که انتظار می‌رود کاندیدا در یک دسته از کاندیداهای نمونه‌برداری شده رخ دهد. اگر unique=true باشد، این یک احتمال است.

ویژگی‌های عمومی

Operation operation

::tensorflow::Output sampled_candidates

::tensorflow::Output sampled_expected_count

::tensorflow::Output true_expected_count

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

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

Attrs Seed(
  int64 x
)

Attrs Seed2(
  int64 x
)