tf.raw_ops.AllCandidateSampler

Генерирует метки для выборки кандидатов с помощью выученной униграмной распределения.

Просмотр псевдонимов

Псевдонимы для миграции

См. Руководство по миграции для получения дополнительных сведений.

tf.compat.v1.raw_ops.AllCandidateSampler

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

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

Для каждой партии этот оператор выбирает единственный набор выборочных меток кандидатов.

Преимущества выборки кандидатов по партиям — простота и возможность эффективного умножения плотных матриц. Недостатком является то, что выбранные кандидаты должны выбираться независимо от контекста и истинных меток.

Аргументы
`true_classes`	A `Tensor` типа `int64`. Матрица batch_size * num_true, в которой каждая строка содержит идентификаторы num_true целевых классов в соответствующей исходной метке.
`num_true`	Целое число, являющееся `>= 1`. Количество истинных меток на контекст.
`num_sampled`	Целое число, являющееся `>= 1`. Количество кандидатов для получения.
`unique`	Логическое значение. Если unique равно true, мы выбираем с отказом, чтобы все выбранные кандидаты в партии были уникальными. Это требует некоторого приближения для оценки вероятностей выборки после отказа.
`seed`	Необязательное целое число. По умолчанию `0`. Если seed или seed2 заданы отличными от нуля, генератор случайных чисел инициализируется заданным seed. В противном случае он инициализируется случайным seed.
`seed2`	Необязательное целое число. По умолчанию `0`. Второй seed для предотвращения коллизий seed.
`name`	Имя операции (необязательно).

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

© 2020 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 3.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/versions/r2.3/api_docs/python/tf/raw_ops/AllCandidateSampler