Calcula la distancia de edición de Levenshtein (posiblemente normalizada).
Las entradas son secuencias de longitud variable proporcionadas por SparseTensors (hypothesis_indices, hypothesis_values, hypothesis_shape) y (truth_indices, truth_values, truth_shape).
Las entradas son:
Clases anidadas
clase | EditDistance.Options | Los atributos opcionales para EditDistance |
Métodos públicos
Salida <Float> | asOutput () Devuelve el identificador simbólico de un tensor. |
estática <T> EditDistance | crear ( Alcance alcance, operando <pulsación larga> hypothesisIndices, operando <T> hypothesisValues, operando <Larga> hypothesisShape, operando <Larga> truthIndices, operando <T> truthValues, operando <Larga> truthShape, Opciones ... Opciones) Método de fábrica para crear una clase que envuelva una nueva operación EditDistance. |
estáticas EditDistance.Options | Normalizar (Normalizar Boolean) |
Salida <Float> | salida () Un tensor de flotador denso con rango R - 1. |
Métodos heredados
Métodos públicos
pública de salida <Float> asOutput ()
Devuelve el identificador simbólico de un tensor.
Las entradas a 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 crear ( Alcance alcance, operando <pulsación larga> hypothesisIndices, operando <T> hypothesisValues, operando <Larga> hypothesisShape, operando <Larga> truthIndices, operando <T> truthValues, operando <Larga> truthShape, Opciones ... Opciones)
Método de fábrica para crear una clase que envuelva una nueva operación EditDistance.
Parámetros
alcance | alcance actual |
---|---|
Hipótesis Índices | Los índices de la lista de hipótesis SparseTensor. Esta es una matriz N x R int64. |
Hipótesis Valores | Los valores de la lista de hipótesis SparseTensor. Este es un vector de longitud N. |
Hipótesis Forma | La forma de la lista de hipótesis SparseTensor. Este es un vector de longitud R. |
verdadIndices | Los índices de la lista de verdad SparseTensor. Esta es una matriz M x R int64. |
VerdadValores | Los valores de la lista de verdad SparseTensor. Este es un vector de longitud M. |
VerdadShape | índices de verdad, vector. |
opciones | lleva valores de atributos opcionales |
Devoluciones
- una nueva instancia de EditDistance
estáticas pública EditDistance.Options normalizan (normalizar booleana)
Parámetros
normalizar | booleano (si es verdadero, las distancias de edición se normalizan según la longitud de la verdad). La salida es: |
---|
pública de salida <Float> salida ()
Un tensor de flotador denso con rango R - 1.
Para la entrada de ejemplo:
// la hipótesis representa una matriz 2x1 con valores de longitud variable: // (0,0) = ["a"] // (1,0) = ["b"] hypothesis_indices = [[0, 0, 0], [1, 0, 0]] hypothesis_values = ["a", "b"] hypothesis_shape = [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_verdad = [[0, 1, 0], [1, 0, 0], [1, 0, 1], [1, 1, 0] ] valores_verdad = ["a", "b", "c", "a"] forma_verdad = [2, 2, 2] normalizar = verdadero
La salida será:
// la salida es una matriz de 2x2 con distancias de edición normalizadas por longitudes de verdad. salida = [[inf, 1.0], // (0,0): sin verdad, (0,1): sin hipótesis [0.5, 1.0]] // (1,0): suma, (1,1): sin hipótesis