คำนวณระยะทางแก้ไขของ Levenshtein (อาจเป็นมาตรฐาน)
อินพุตเป็นลำดับความยาวผันแปรที่จัดทำโดย SparseTensors (hypothesis_indices, Hypothesis_values, hypothesis_shape) และ (truth_indices, Truth_values, Truth_shape)
อินพุตคือ:
คลาสที่ซ้อนกัน
ระดับ | แก้ไขระยะทาง ตัวเลือก | แอ็ตทริบิวต์ทางเลือกสำหรับ EditDistance |
ค่าคงที่
สตริง | OP_NAME | ชื่อของ op นี้ ซึ่งรู้จักกันในชื่อของเอ็นจิ้นหลัก TensorFlow |
วิธีการสาธารณะ
เอาท์พุต < TFloat32 > | เป็นเอาท์พุต () ส่งกลับค่าแฮนเดิลสัญลักษณ์ของเทนเซอร์ |
คงที่ <T ขยาย TType > EditDistance | สร้าง ( ขอบเขต ขอบเขต ตัว ดำเนิน การ < TInt64 > ดัชนีสมมติฐาน ตัว ดำเนินการ <T> ค่าสมมุติฐาน ตัว ดำเนิน การ < TInt64 > รูปร่างสมมุติฐาน ตัว ดำเนิน การ < TInt64 > ดัชนีความจริง ตัว ดำเนิน การ <T> ค่าความจริง ตัว ดำเนิน การ < TInt64 > TruthShape ตัวเลือก... ตัวเลือก) วิธีการจากโรงงานเพื่อสร้างคลาสที่รวมการดำเนินการ EditDistance ใหม่ |
EditDistance.Options แบบคงที่ | ทำให้เป็นมาตรฐาน (บูลีนทำให้เป็นมาตรฐาน) |
เอาท์พุต < TFloat32 > | เอาท์พุท () เทนเซอร์โฟลตหนาแน่นที่มีอันดับ R - 1 |
วิธีการสืบทอด
ค่าคงที่
สตริงสุดท้ายแบบคงที่สาธารณะ OP_NAME
ชื่อของ op นี้ ซึ่งรู้จักกันในชื่อของเอ็นจิ้นหลัก TensorFlow
วิธีการสาธารณะ
เอาท์พุท สาธารณะ < TFloat32 > asOutput ()
ส่งกลับค่าแฮนเดิลสัญลักษณ์ของเทนเซอร์
อินพุตสำหรับการดำเนินการ TensorFlow คือเอาต์พุตของการดำเนินการ TensorFlow อื่น วิธีการนี้ใช้เพื่อรับหมายเลขอ้างอิงสัญลักษณ์ที่แสดงถึงการคำนวณอินพุต
สร้าง EditDistance แบบคงที่สาธารณะ (ขอบเขต ขอบเขต , ตัวดำเนินการ < TInt64 > ดัชนีสมมุติฐาน, ตัวดำเนินการ <T> ค่าสมมุติฐาน, ตัว ดำเนิน การ < TInt64 > รูปร่างสมมุติฐาน, ตัว ดำเนิน การ < TInt64 > TruthIndices, ตัวดำเนินการ <T> ค่าความจริง, ตัวดำเนินการ < TInt64 > TruthShape, ตัวเลือก... ตัวเลือก)
วิธีการจากโรงงานเพื่อสร้างคลาสที่รวมการดำเนินการ EditDistance ใหม่
พารามิเตอร์
ขอบเขต | ขอบเขตปัจจุบัน |
---|---|
สมมติฐานดัชนี | ดัชนีของรายการสมมติฐาน SparseTensor นี่คือเมทริกซ์ int64 N x R |
ค่าสมมุติฐาน | ค่าของรายการสมมติฐาน SparseTensor นี่คือเวกเตอร์ความยาว N |
สมมติฐานรูปร่าง | รูปร่างของรายการสมมติฐาน SparseTensor นี่คือเวกเตอร์ความยาว R |
ความจริงดัชนี | ดัชนีของรายการความจริง SparseTensor นี่คือเมทริกซ์ M x R int64 |
ค่าความจริง | ค่าของรายการความจริง SparseTensor นี่คือเวกเตอร์ความยาว M |
ความจริงรูปร่าง | ดัชนีความจริง เวกเตอร์ |
ตัวเลือก | มีค่าแอตทริบิวต์ทางเลือก |
การส่งคืน
- อินสแตนซ์ใหม่ของ EditDistance
EditDistance.Options แบบคงที่สาธารณะ ทำให้เป็นมาตรฐาน (บูลีนทำให้เป็นมาตรฐาน)
พารามิเตอร์
ทำให้เป็นปกติ | บูลีน (หากเป็นจริง ระยะทางที่แก้ไขจะถูกทำให้เป็นมาตรฐานตามความยาวของความจริง) ผลลัพธ์คือ: |
---|
เอาท์พุท สาธารณะ < TFloat32 > เอาท์พุท ()
เทนเซอร์โฟลตหนาแน่นที่มีอันดับ R - 1
สำหรับอินพุตตัวอย่าง:
// สมมติฐานแสดงถึงเมทริกซ์ 2x1 ที่มีค่าความยาวผันแปรได้: // (0,0) = ["a"] // (1,0) = ["b"] hypothesis_indices = [[0, 0, 0], [1, 0, 0]] สมมติฐาน_ค่า = ["a", "b"] สมมติฐาน_รูปร่าง = [2, 1, 1]
// ความจริงแสดงถึงเมทริกซ์ 2x2 ที่มีค่าความยาวผันแปรได้: // (0,0) = [] // (0,1) = ["a"] // (1,0) = ["b", " ค"] // (1,1) = ["a"] Truth_indices = [[0, 1, 0], [1, 0, 0], [1, 0, 1], [1, 1, 0] ] Truth_values = ["a", "b", "c", "a"] Truth_shape = [2, 2, 2] ทำให้เป็นมาตรฐาน = true
ผลลัพธ์จะเป็น:
// เอาต์พุตเป็นเมทริกซ์ 2x2 พร้อมระยะการแก้ไขที่ทำให้เป็นมาตรฐานด้วยความยาวความจริง output = [[inf, 1.0], // (0,0): ไม่มีความจริง (0,1): ไม่มีสมมติฐาน [0.5, 1.0]] // (1,0): นอกจากนี้ (1,1): ไม่มีสมมติฐาน