tf.random.uniform_candidate_sampler

Выбирает набор классов с использованием равномерного базового распределения.

tf.random.uniform_candidate_sampler(
    true_classes,
    num_true,
    num_sampled,
    unique,
    range_max,
    seed=None,
    name=None
)

Эта операция случайным образом выбирает тензор выбранных классов (sampled_candidates) из диапазона целых чисел [0, range_max).

Краткое введение в выборку кандидатов см. в справочнике по алгоритмам выборки кандидатов.

Элементы sampled_candidates извлекаются без возвращения (если unique=True) или с возвращением (если unique=False) из базового распределения.

Базовое распределение для этой операции — равномерное распределение по диапазону целых чисел [0, range_max).

Кроме того, эта операция возвращает тензоры true_expected_count и sampled_expected_count, представляющие ожидаемое число появлений каждого целевого класса (true_classes) и выбранного класса (sampled_candidates) в среднем тензоре выбранных классов. Эти значения соответствуют Q(y|x), определённым в справочнике по алгоритмам выборки кандидатов. Если unique=True, то это вероятности после отклонения, и мы вычисляем их приближённо.

Обратите внимание, что эта функция (как и другие функции *_candidate_sampler) предоставляет только компоненты для реализации различных алгоритмов выборки кандидатов, перечисленных в большой таблице в справочнике по алгоритмам выборки кандидатов. Сами алгоритмы вам всё равно нужно реализовать самостоятельно.

Например, согласно этой таблице, термин «отрицательные примеры» может иметь разное значение в разных алгоритмах. Так, в NCE «отрицательные примеры» означают S_i (то есть просто выбранные классы), которые могут пересекаться с истинными классами, тогда как в Sampled Logistic «отрицательные примеры» означают S_i - T_i, исключающие истинные классы. Возвращаемое значение sampled_candidates соответствует S_i, а не какому-либо конкретному определению «отрицательных примеров» в каком-либо конкретном алгоритме. Вы сами должны выбрать алгоритм и вычислить «отрицательные примеры», определённые этим алгоритмом (например, S_i - T_i).

Другой пример: аргумент true_classes используется для вычисления выходного значения true_expected_count (в качестве побочного результата основного вычисления этой функции), которое может понадобиться некоторым алгоритмам (согласно этой таблице). Он не предназначен для исключения истинных классов из возвращаемого значения sampled_candidates. И снова: этот шаг зависит от конкретного алгоритма, и выполнять его нужно самостоятельно.