Tính toán Khoảng cách chỉnh sửa Levenshtein (có thể được chuẩn hóa).
Đầu vào là các chuỗi có độ dài thay đổi được cung cấp bởi SparseTensors (giả thuyết_indices, giả thuyết_giá trị, giả thuyết_hình dạng) và (truth_indices, true_values, Truth_shape).
Các đầu vào là:
Các lớp lồng nhau
lớp học | Chỉnh sửaDistance.Options | Thuộc tính tùy chọn cho EditDistance |
Hằng số
Sợi dây | OP_NAME | Tên của op này, được biết đến bởi công cụ lõi TensorFlow |
Phương pháp công cộng
Đầu ra < TFloat32 > | asOutput () Trả về tay cầm tượng trưng của tensor. |
tĩnh <T mở rộng TType > EditDistance | tạo ( Phạm vi phạm vi, Toán hạng < TInt64 > chỉ số giả thuyết, Toán hạng <T> Giá trị giả thuyết, Toán hạng < TInt64 > Hình dạng giả thuyết, Toán hạng < TInt64 > chỉ số chân lý, Toán hạng <T> giá trị chân lý, Toán hạng < TInt64 > hình dạng thật, Tùy chọn... tùy chọn) Phương thức gốc để tạo một lớp bao bọc một thao tác EditDistance mới. |
tĩnh EditDistance.Options | chuẩn hóa (chuẩn hóa Boolean) |
Đầu ra < TFloat32 > | đầu ra () Một tenxơ float dày đặc có hạng R - 1. |
Phương pháp kế thừa
Hằng số
Chuỗi cuối cùng tĩnh công khai OP_NAME
Tên của op này, được biết đến bởi công cụ lõi TensorFlow
Phương pháp công cộng
Đầu ra công khai < TFloat32 > asOutput ()
Trả về tay cầm tượng trưng của tensor.
Đầu vào của các hoạt động TensorFlow là đầu ra của một hoạt động TensorFlow khác. Phương pháp này được sử dụng để thu được một thẻ điều khiển mang tính biểu tượng đại diện cho việc tính toán đầu vào.
tĩnh công khai Chỉnh sửa Tạo khoảng cách ( Phạm vi phạm vi , Toán hạng < TInt64 > chỉ số giả thuyết, Toán hạng <T> giả thuyếtValues, Toán hạng < TInt64 > giả thuyết Hình dạng, Toán hạng < TInt64 > trueIndices, Toán hạng <T> trueValues, Toán hạng < TInt64 > trueShape, Tùy chọn... tùy chọn)
Phương thức gốc để tạo một lớp bao bọc một thao tác EditDistance mới.
Thông số
phạm vi | phạm vi hiện tại |
---|---|
giả thuyếtChỉ số | Các chỉ số của danh sách giả thuyết SparseTensor. Đây là ma trận N x R int64. |
giá trị giả thuyết | Các giá trị của danh sách giả thuyết SparseTensor. Đây là một vectơ có độ dài N. |
giả thuyếtHình dạng | Hình dạng của danh sách giả thuyết SparseTensor. Đây là một vectơ có độ dài R. |
sự thậtChỉ số | Các chỉ số của danh sách sự thật SparseTensor. Đây là ma trận int64 M x R. |
giá trị thật | Các giá trị của danh sách sự thật SparseTensor. Đây là một vectơ có độ dài M. |
hình thật | chỉ số chân lý, vector. |
tùy chọn | mang các giá trị thuộc tính tùy chọn |
Trả lại
- một phiên bản mới của EditDistance
public static EditDistance.Options chuẩn hóa (chuẩn hóa Boolean)
Thông số
bình thường hóa | boolean (nếu đúng, khoảng cách chỉnh sửa được chuẩn hóa theo độ dài của sự thật). Đầu ra là: |
---|
Đầu ra công khai < TFloat32 > đầu ra ()
Một tenxơ float dày đặc có hạng R - 1.
Đối với đầu vào ví dụ:
// giả thuyết biểu thị ma trận 2x1 với các giá trị có độ dài thay đổi: // (0,0) = ["a"] // (1,0) = ["b"]giả thuyết_indices = [[0, 0, 0], [1, 0, 0]] giả thuyết_values = ["a", "b"] giả thuyết_shape = [2, 1, 1]
// giá trị thật biểu thị ma trận 2x2 với các giá trị có độ dài thay đổi: // (0,0) = [] // (0,1) = ["a"] // (1,0) = ["b", " c"] // (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] chuẩn hóa = true
Đầu ra sẽ là:
// đầu ra là ma trận 2x2 với khoảng cách chỉnh sửa được chuẩn hóa bằng độ dài sự thật. đầu ra = [[inf, 1.0], // (0,0): không đúng, (0,1): không có giả thuyết [0.5, 1.0]] // (1,0): phép cộng, (1,1): không có giả thuyết