(おそらく正規化された) レーベンシュタイン編集距離を計算します。
入力は、SparseTensor によって提供される可変長シーケンス (仮説インデックス、仮説値、仮説形状) および (真実インデックス、真実値、真実形状) です。
入力は次のとおりです。
ネストされたクラス
| クラス | EditDistance.オプション | EditDistanceのオプションの属性 | |
パブリックメソッド
| 出力<浮動小数点> | asOutput () テンソルのシンボリック ハンドルを返します。 |
| 静的 <T> EditDistance | |
| 静的EditDistance.Options | 正規化(ブール正規化) |
| 出力<浮動小数点> | 出力() ランク R - 1 の密浮動小数点テンソル。 |
継承されたメソッド
パブリックメソッド
public Output <Float> asOutput ()
テンソルのシンボリック ハンドルを返します。
TensorFlow オペレーションへの入力は、別の TensorFlow オペレーションの出力です。このメソッドは、入力の計算を表すシンボリック ハンドルを取得するために使用されます。
public static EditDistance create (スコープscope、オペランド<Long>仮説Indices、オペランド<T>仮説Values、オペランド<Long>仮説Shape、オペランド<Long>truthIndices、オペランド<T>truthValues、オペランド<Long>truthShape、 Options...オプション)
新しい EditDistance 操作をラップするクラスを作成するファクトリ メソッド。
パラメーター
| 範囲 | 現在のスコープ |
|---|---|
| 仮説インデックス | 仮説リストのインデックスは SparseTensor です。これは N x R の int64 行列です。 |
| 仮説値 | 仮説リストの値は SparseTensor です。これは長さ N のベクトルです。 |
| 仮説形状 | 仮説リスト SparseTensor の形状。これは R 長ベクトルです。 |
| 真実のインデックス | 真理リストのインデックスは SparseTensor です。これは M x R int64 行列です。 |
| 真実の価値観 | 真理リスト SparseTensor の値。これは長さ M のベクトルです。 |
| 真実の形 | 真実のインデックス、ベクトル。 |
| オプション | オプションの属性値を持ちます |
戻り値
- EditDistance の新しいインスタンス
public static EditDistance.Options正規化(ブール正規化)
パラメーター
| ノーマライズ | ブール値 (true の場合、編集距離は真実の長さによって正規化されます)。 出力は次のとおりです。 |
|---|
public Output <Float>出力()
ランク R - 1 の密浮動小数点テンソル。
入力例の場合:
// 仮説は、可変長の値を持つ 2x1 行列を表します: // (0,0) = ["a"] // (1,0) = ["b"] Inspection_indices = [[0, 0, 0], [1, 0, 0]] 仮説値 = ["a", "b"] 仮説形状 = [2, 1, 1]
// 真実は可変長値を持つ 2x2 行列を表します: // (0,0) = [] // (0,1) = ["a"] // (1,0) = ["b", " c"] // (1,1) = ["a"] true_indices = [[0, 1, 0], [1, 0, 0], [1, 0, 1], [1, 1, 0] ] 真実値 = ["a", "b", "c", "a"] 真実形状 = [2, 2, 2] 正規化 = true
出力は次のようになります。
// 出力は、編集距離が真理の長さで正規化された 2x2 行列です。 Output = [[inf, 1.0], // (0,0): 真実なし、(0,1): 仮説なし [0.5, 1.0]] // (1,0): 加算、(1,1):仮説がない