przepływ tensorowy:: ops:: Próbnik UniformCandidate

#include <candidate_sampling_ops.h>

Generuje etykiety dla próbkowania kandydatów z równomiernym rozkładem.

Streszczenie

Zobacz wyjaśnienia dotyczące pobierania próbek kandydatów i formatów danych na stronie go/candidate-sampling.

Dla każdej partii ta operacja wybiera jeden zestaw próbek potencjalnych etykiet.

Zaletami pobierania próbek kandydatów na partię jest prostota i możliwość wydajnego mnożenia gęstej macierzy. Wadą jest to, że wybrani kandydaci muszą być wybierani niezależnie od kontekstu i prawdziwych etykiet.

Argumenty:

  • zakres: Obiekt Scope
  • true_classes: macierz wsadowa size_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.
  • unikatowy: jeśli wartość Unikalność ma wartość true, pobieramy próbkę z odrzuceniem, tak aby wszyscy kandydaci objęci próbą w partii byli unikatowi. Wymaga to pewnego przybliżenia w celu oszacowania prawdopodobieństw pobierania próbek po odrzuceniu.
  • zakres_maks.: Próbnik będzie próbkował liczby całkowite z przedziału [0, zakres_maks.).

Opcjonalne atrybuty (patrz Attrs ):

  • ziarno: Jeśli ziarno lub ziarno2 jest ustawione na wartość różną od zera, generator liczb losowych jest zaszczepiany przez dane ziarno. W przeciwnym razie jest on zaszczepiany losowo.
  • nasiono2: Drugie ziarno, aby uniknąć kolizji nasion.

Zwroty:

  • Output sampled_candidates: wektor o długości num_sampled, w którym każdy element jest identyfikatorem wybranego kandydata.
  • Output true_expected_count: macierz Batchsize * num_true, reprezentująca oczekiwaną liczbę wystąpień każdego kandydata w partii wybranych kandydatów. Jeśli unikalny=true, to jest to prawdopodobieństwo.
  • Output sampled_expected_count: wektor o długości num_sampled dla każdego wybranego kandydata reprezentujący oczekiwaną liczbę wystąpień kandydata w partii wybranych kandydatów. Jeśli unikalny=true, to jest to prawdopodobieństwo.

Konstruktory i destruktory

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

Opcjonalne moduły ustawiające atrybuty dla UniformCandidateSampler .

Atrybuty publiczne

operacja

Operation operation

próbki_kandydatów

::tensorflow::Output sampled_candidates

próbkowana_oczekiwana_liczba

::tensorflow::Output sampled_expected_count

prawda_oczekiwana_liczba

::tensorflow::Output true_expected_count

Funkcje publiczne

Próbnik UniformCandidate

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

Próbnik UniformCandidate

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

Publiczne funkcje statyczne

Nasionko

Attrs Seed(
  int64 x
)

Nasienie2

Attrs Seed2(
  int64 x
)