tf.raw_ops.UniformCandidateSampler

Генерирует метки для выборки кандидатов с равномерным распределением.

Псевдонимы

Псевдонимы для миграции

См. Руководство по миграции для получения более подробной информации.

tf.compat.v1.raw_ops.UniformCandidateSampler

tf.raw_ops.UniformCandidateSampler(
    true_classes,
    num_true,
    num_sampled,
    unique,
    range_max,
    seed=0,
    seed2=0,
    name=None
)

См. объяснения выборки кандидатов и форматы данных по адресу go/candidate-sampling.

Для каждого набора данных этот оператор выбирает один набор выборочных меток кандидатов.

Преимущества выборки кандидатов на основе наборов данных заключаются в простоте и возможности эффективного умножения плотных матриц. Недостатком является то, что выбранные кандидаты должны выбираться независимо от контекста и истинных меток.

Аргументы
`true_classes`	Матрица размера batch_size * num_true, где каждая строка содержит идентификаторы num_true целевых классов в соответствующей исходной метке.
`num_true`	Целое число. Количество истинных меток на контекст.
`num_sampled`	Целое число. Количество кандидатов для случайной выборки.
`unique`	Логическое значение. Если true, мы выбираем с отклонением, чтобы все выбранные кандидаты в наборе данных были уникальными. Это требует некоторого приближения для оценки вероятностей выборки после отклонения.
`range_max`	Целое число. Сампер будет выбирать целые числа из интервала [0, range_max).
`seed`	Необязательное целое число. По умолчанию `0`. Если seed или seed2 заданы не равными нулю, генератор случайных чисел инициализируется заданным seed. В противном случае он инициализируется случайным seed.
`seed2`	Необязательное целое число. По умолчанию `0`. Второй seed для предотвращения столкновений seed.
`name`	Имя операции (необязательно).

Возвращаемые значения
Кортеж из объектов `Tensor` (sampled_candidates, true_expected_count, sampled_expected_count).
`sampled_candidates`	Матрица типа `int64`.
`true_expected_count`	Массив типа `float32`.
`sampled_expected_count`	Массив типа `float32`.

© 2022 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 4.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/api_docs/python/tf/raw_ops/UniformCandidateSampler