tensorflow :: operaciones :: AprendidoUnigramCandidateSampler

#include <candidate_sampling_ops.h>

Genera etiquetas para el muestreo de candidatos con una distribución unigrama aprendida

Resumen

Consulte las explicaciones sobre el muestreo de candidatos y los formatos de datos en go / candidato-sampling.

Para cada lote, esta operación selecciona un único conjunto de etiquetas candidatas muestreadas.

Las ventajas de muestrear candidatos por lote son la simplicidad y la posibilidad de una multiplicación de matriz densa eficiente. La desventaja es que los candidatos incluidos en la muestra deben elegirse independientemente del contexto y de las verdaderas etiquetas.

Argumentos:

  • alcance: un objeto de alcance
  • true_classes: una matriz batch_size * num_true, en la que cada fila contiene los ID de num_true target_classes en la etiqueta original correspondiente.
  • num_true: número de etiquetas verdaderas por contexto.
  • num_sampled: número de candidatos para muestrear aleatoriamente.
  • único: si único es verdadero, tomamos muestras con rechazo, de modo que todos los candidatos muestreados en un lote sean únicos. Esto requiere cierta aproximación para estimar las probabilidades de muestreo posteriores al rechazo.
  • range_max: el muestreador muestreará enteros del intervalo [0, range_max).

Atributos opcionales (consulte Attrs ):

  • semilla: si semilla o semilla2 se establecen en un valor distinto de cero, el generador de números aleatorios se sembró con la semilla dada. De lo contrario, es sembrado por una semilla aleatoria.
  • seed2: Una segunda semilla para evitar la colisión de semillas.

Devoluciones:

  • Output sampled_candidates: un vector de longitud num_sampled, en el que cada elemento es el ID de un candidato muestreado.
  • Output true_expected_count: una matriz de tamaño de lote * num_verdadero, que representa el número de veces que se espera que ocurra cada candidato en un lote de candidatos muestreados. Si único = verdadero, entonces esta es una probabilidad.
  • Output sampled_expected_count: Un vector de longitud num_sampled, para cada candidato muestreado que representa el número de veces que se espera que el candidato ocurra en un lote de candidatos muestreados. Si único = verdadero, entonces esta es una probabilidad.

Constructores y Destructores

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)

Atributos públicos

operation
sampled_candidates
sampled_expected_count
true_expected_count

Funciones estáticas públicas

Seed (int64 x)
Seed2 (int64 x)

Estructuras

tensorflow :: ops :: LearnedUnigramCandidateSampler :: Attrs

Establecedores de atributos opcionales para LearnedUnigramCandidateSampler .

Atributos públicos

operación

Operation operation

sampled_candidates

::tensorflow::Output sampled_candidates

sampled_expected_count

::tensorflow::Output sampled_expected_count

true_expected_count

::tensorflow::Output true_expected_count

Funciones publicas

AprendidoUnigramCandidateSampler

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

AprendidoUnigramCandidateSampler

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

Funciones estáticas públicas

Semilla

Attrs Seed(
  int64 x
)

Semilla2

Attrs Seed2(
  int64 x
)