tensorflow::ops::LearnedUnigramCandidateSampler
#include <candidate_sampling_ops.h>
Генерирует метки для выборки кандидатов с помощью обученного унимодального распределения.
Краткое описание
Объяснения выборки кандидатов и форматов данных см. на странице go/candidate-sampling.
Для каждого пакета этот оператор выбирает единый набор меток выбранных кандидатов.
Преимущества выборки кандидатов для каждого пакета — простота и возможность эффективного плотного матричного умножения. Недостаток заключается в том, что выбранные кандидаты должны выбираться независимо от контекста и истинных меток.
Аргументы:
- scope: объект Scope
- true_classes: матрица размером batch_size * num_true, в каждой строке которой содержатся идентификаторы num_true целевых классов (target_classes) для соответствующей исходной метки.
- num_true: количество истинных меток для каждого контекста.
- num_sampled: количество кандидатов для случайной выборки.
- unique: если unique имеет значение true, выборка выполняется с отбраковкой, поэтому все выбранные кандидаты в пакете уникальны. Для оценки вероятностей выборки после отбраковки требуется некоторое приближение.
- range_max: выборка целых чисел выполняется из интервала [0, range_max).
Необязательные атрибуты (см. Attrs):
- seed: если seed или seed2 заданы ненулевыми, генератор случайных чисел инициализируется указанным начальным значением. В противном случае используется случайное начальное значение.
- seed2: второе начальное значение, чтобы избежать совпадения начальных значений.
Возвращаемые значения:
-
Outputsampled_candidates: вектор длины num_sampled, каждый элемент которого является идентификатором выбранного кандидата. -
Outputtrue_expected_count: матрица размером batch_size * num_true, представляющая ожидаемое количество появлений каждого кандидата в пакете выбранных кандидатов. Если unique=true, это вероятность. -
Outputsampled_expected_count: вектор длины num_sampled, каждый элемент которого представляет ожидаемое количество появлений соответствующего выбранного кандидата в пакете выбранных кандидатов. Если unique=true, это вероятность.
| Конструкторы и деструкторы | |
|---|---|
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) |
| Общедоступные атрибуты | |
|---|---|
operation | |
sampled_candidates | |
sampled_expected_count | |
true_expected_count | |
| Общедоступные статические функции | |
|---|---|
Seed(int64 x) | |
Seed2(int64 x) | |
| Структуры | |
|---|---|
| tensorflow::ops::LearnedUnigramCandidateSampler::Attrs | Методы задания необязательных атрибутов для LearnedUnigramCandidateSampler. |
Общедоступные атрибуты
operation
Operation operation
sampled_candidates
::tensorflow::Output sampled_candidates
sampled_expected_count
::tensorflow::Output sampled_expected_count
true_expected_count
::tensorflow::Output true_expected_count
Общедоступные функции
LearnedUnigramCandidateSampler
LearnedUnigramCandidateSampler( const ::tensorflow::Scope & scope, ::tensorflow::Input true_classes, int64 num_true, int64 num_sampled, bool unique, int64 range_max )
LearnedUnigramCandidateSampler
LearnedUnigramCandidateSampler( const ::tensorflow::Scope & scope, ::tensorflow::Input true_classes, int64 num_true, int64 num_sampled, bool unique, int64 range_max, const LearnedUnigramCandidateSampler::Attrs & attrs )
Общедоступные статические функции
Seed
Attrs Seed( int64 x )
Seed2
Attrs Seed2( int64 x )
© 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/cc/class/tensorflow/ops/learned-unigram-candidate-sampler