Calcula a distância de edição de Levenshtein (possivelmente normalizada).
As entradas são sequências de comprimento variável fornecidas por SparseTensors (hipóteses_indices, hipóteses_valores, hipótese_forma) e (verdade_indices, valores_verdade, forma_verdade).
As entradas são:
Classes aninhadas
aula | EditDistance.Options | Atributos opcionais para EditDistance |
Constantes
Corda | OP_NAME | O nome desta operação, conforme conhecido pelo mecanismo principal do TensorFlow |
Métodos Públicos
Saída < TFloat32 > | asOutput () Retorna o identificador simbólico do tensor. |
estático <T estende TType > EditDistance | create (Escopo do escopo , Operando < TInt64 > hipóteseIndices, Operando <T> hipóteseValues, Operando < TInt64 > hipóteseShape, Operando < TInt64 > TruthIndices, Operando <T> TruthValues, Operando < TInt64 > TruthShape, Opções... opções) Método de fábrica para criar uma classe que envolve uma nova operação EditDistance. |
EditDistance.Options estático | normalizar (normalizar booleano) |
Saída < TFloat32 > | saída () Um tensor flutuante denso com classificação R - 1. |
Métodos herdados
Constantes
String final estática pública OP_NAME
O nome desta operação, conforme conhecido pelo mecanismo principal do TensorFlow
Métodos Públicos
Saída pública < TFloat32 > asOutput ()
Retorna o identificador simbólico do tensor.
As entradas para operações do TensorFlow são saídas de outra operação do TensorFlow. Este método é usado para obter um identificador simbólico que representa o cálculo da entrada.
public static EditDistance create ( Escopo de escopo , Operando < TInt64 > hypotheseIndices, Operand <T> hypotheValues, Operando < TInt64 > hypothese, Operando < TInt64 > TruthIndices, Operando <T> TruthValues, Operando < TInt64 > TruthShape, Opções... opções)
Método de fábrica para criar uma classe que envolve uma nova operação EditDistance.
Parâmetros
escopo | escopo atual |
---|---|
índices de hipóteses | Os índices da lista de hipóteses SparseTensor. Esta é uma matriz N x R int64. |
hipóteseValores | Os valores da lista de hipóteses SparseTensor. Este é um vetor de comprimento N. |
hipóteseForma | A forma da lista de hipóteses SparseTensor. Este é um vetor de comprimento R. |
índices de verdade | Os índices da lista verdade SparseTensor. Esta é uma matriz M x R int64. |
verdadeValores | Os valores da lista verdade SparseTensor. Este é um vetor de comprimento M. |
verdadeShape | índices de verdade, vetor. |
opções | carrega valores de atributos opcionais |
Devoluções
- uma nova instância de EditDistance
public static EditDistance.Options normalize (normalização booleana)
Parâmetros
normalizar | booleano (se verdadeiro, as distâncias de edição são normalizadas pelo comprimento da verdade). A saída é: |
---|
Saída pública < TFloat32 > saída ()
Um tensor flutuante denso com classificação R - 1.
Para a entrada de exemplo:
// a hipótese representa uma matriz 2x1 com valores de comprimento variável: // (0,0) = ["a"] // (1,0) = ["b"] hypothese_indices = [[0, 0, 0], [1, 0, 0]] valores_hipótese = ["a", "b"] forma_hipótese = [2, 1, 1]
// a verdade representa uma matriz 2x2 com valores de comprimento variável: // (0,0) = [] // (0,1) = ["a"] // (1,0) = ["b", " c"] // (1,1) = ["a"] índices_verdade = [[0, 1, 0], [1, 0, 0], [1, 0, 1], [1, 1, 0] ] valores_verdade = ["a", "b", "c", "a"] forma_verdade = [2, 2, 2] normalizar = verdadeiro
A saída será:
// a saída é uma matriz 2x2 com distâncias de edição normalizadas por comprimentos verdadeiros. saída = [[inf, 1.0], // (0,0): sem verdade, (0,1): sem hipótese [0,5, 1,0]] // (1,0): adição, (1,1): nenhuma hipótese