Calcula la distancia de edición de Levenshtein (posiblemente normalizada).
Las entradas son secuencias de longitud variable proporcionadas por SparseTensors (hipótesis_índices, valores_hipótesis, forma_hipótesis) y (índices_verdad, valores_verdad, forma_verdad).
Las entradas son:
Clases anidadas
| clase | Opciones.de.edición.de.distancia | Atributos opcionales para EditDistance | |
Métodos públicos
| Salida <Flotante> | como salida () Devuelve el identificador simbólico de un tensor. |
| <T> estático Editar Distancia | create ( Ámbito ámbito, Operando <Largo> índices de hipótesis, Operando <T> Valores de hipótesis, Operando <Largo> forma de hipótesis, Operando <Largo> índices de verdad, Operando <T> Valores de verdad, Operando <Long> Forma de verdad, Opciones... opciones) Método de fábrica para crear una clase que envuelve una nueva operación EditDistance. |
| estática EditDistance.Options | normalizar (normalizar booleano) |
| Salida <Flotante> | salida () Un tensor flotante denso con rango R - 1. |
Métodos Heredados
Métodos públicos
Salida pública <Flotante> asOutput ()
Devuelve el identificador simbólico de un tensor.
Las entradas de las operaciones de TensorFlow son salidas de otra operación de TensorFlow. Este método se utiliza para obtener un identificador simbólico que representa el cálculo de la entrada.
public static EditDistance create ( Ámbito de alcance, Operando <Largo> índices de hipótesis, Operando <T> valores de hipótesis, Operando <Largo> forma de hipótesis, Operando <Largo> índices de verdad, Operando <T> valores de verdad, Operando <Largo> forma de verdad, Opciones... opciones)
Método de fábrica para crear una clase que envuelve una nueva operación EditDistance.
Parámetros
| alcance | alcance actual |
|---|---|
| índices de hipótesis | Los índices de la lista de hipótesis SparseTensor. Esta es una matriz N x R int64. |
| valores de hipótesis | Los valores de la lista de hipótesis SparseTensor. Este es un vector de longitud N. |
| hipótesisForma | La forma de la lista de hipótesis SparseTensor. Este es un vector de longitud R. |
| índices de verdad | Los índices de la lista de verdad SparseTensor. Esta es una matriz M x R int64. |
| valores de verdad | Los valores de la lista de verdad SparseTensor. Este es un vector de longitud M. |
| verdadForma | índices de verdad, vector. |
| opciones | lleva valores de atributos opcionales |
Devoluciones
- una nueva instancia de EditDistance
Public static EditDistance.Options normalize (Boolean normalize)
Parámetros
| normalizar | booleano (si es verdadero, las distancias de edición se normalizan por la longitud de la verdad). La salida es: |
|---|
Salida pública <Flotante> salida ()
Un tensor flotante denso con rango R - 1.
Para la entrada de ejemplo:
// la hipótesis representa una matriz de 2x1 con valores de longitud variable: // (0,0) = ["a"] // (1,0) = ["b"]hipótesis_índices = [[0, 0, 0], [1, 0, 0]] valores_hipótesis = ["a", "b"] forma_hipótesis = [2, 1, 1]
// la verdad representa una matriz de 2x2 con valores de longitud variable: // (0,0) = [] // (0,1) = ["a"] // (1,0) = ["b", " c"] // (1,1) = ["a"] índices_de_verdad = [[0, 1, 0], [1, 0, 0], [1, 0, 1], [1, 1, 0] ] valores_de_verdad = ["a", "b", "c", "a"] forma_de_verdad = [2, 2, 2] normalizar = verdadero
La salida será:
// la salida es una matriz de 2x2 con distancias de edición normalizadas por longitudes reales. salida = [[inf, 1.0], // (0,0): sin verdad, (0,1): sin hipótesis [0.5, 1.0]] // (1,0): adición, (1,1): sin hipótesis