Gera rótulos para amostragem de candidatos com uma distribuição de unigramas aprendida.
Veja explicações sobre amostragem de candidatos e formatos de dados em go/candidate-sampling.
Para cada lote, esta operação escolhe um único conjunto de rótulos candidatos amostrados.
As vantagens da amostragem de candidatos por lote são a simplicidade e a possibilidade de multiplicação eficiente de matrizes densas. A desvantagem é que os candidatos amostrados devem ser escolhidos independentemente do contexto e dos verdadeiros rótulos.
Classes aninhadas
| aula | AprendidoUnigramCandidateSampler.Options | Atributos opcionais para LearnedUnigramCandidateSampler | |
Constantes
| Corda | OP_NAME | O nome desta operação, conforme conhecido pelo mecanismo principal do TensorFlow |
Métodos Públicos
| estático aprendidoUnigramCandidateSampler | |
| Saída < TInt64 > | amostradosCandidatos () Um vetor de comprimento num_sampled, no qual cada elemento é o ID de um candidato amostrado. |
| Saída < TFloat32 > | sampledExpectedCount () Um vetor de comprimento num_sampled, para cada candidato amostrado, representando o número de vezes que se espera que o candidato ocorra em um lote de candidatos amostrados. |
| estático aprendidoUnigramCandidateSampler.Options | semente (semente longa) |
| estático aprendidoUnigramCandidateSampler.Options | seed2 (semente2 longa) |
| Saída < TFloat32 > | trueExpectedCount () Uma matriz batch_size * num_true, representando o número de vezes que se espera que cada candidato ocorra em um lote de candidatos amostrados. |
Métodos herdados
Constantes
String final estática pública OP_NAME
O nome desta operação, conforme conhecido pelo mecanismo principal do TensorFlow
Métodos Públicos
public static LearnedUnigramCandidateSampler create ( Scope scope, Operand < TInt64 > trueClasses, Long numTrue, Long numSampled, Boolean unique, Long rangeMax, Options... options)
Método de fábrica para criar uma classe que envolve uma nova operação LearnedUnigramCandidateSampler.
Parâmetros
| escopo | escopo atual |
|---|---|
| trueClasses | Uma matriz batch_size * num_true, na qual cada linha contém os IDs de num_true target_classes no rótulo original correspondente. |
| numTrue | Número de rótulos verdadeiros por contexto. |
| numSampled | Número de candidatos para amostragem aleatória. |
| exclusivo | Se único for verdadeiro, amostraremos com rejeição, de modo que todos os candidatos amostrados em um lote sejam únicos. Isto requer alguma aproximação para estimar as probabilidades de amostragem pós-rejeição. |
| rangeMax | O amostrador irá amostrar números inteiros do intervalo [0, range_max). |
| opções | carrega valores de atributos opcionais |
Devoluções
- uma nova instância de LearnedUnigramCandidateSampler
Saída pública < TInt64 > sampledCandidates ()
Um vetor de comprimento num_sampled, no qual cada elemento é o ID de um candidato amostrado.
Saída pública < TFloat32 > sampledExpectedCount ()
Um vetor de comprimento num_sampled, para cada candidato amostrado, representando o número de vezes que se espera que o candidato ocorra em um lote de candidatos amostrados. Se único = verdadeiro, então esta é uma probabilidade.
semente pública estática LearnedUnigramCandidateSampler.Options (semente longa)
Parâmetros
| semente | Se seed ou seed2 forem definidos como diferentes de zero, o gerador de números aleatórios será propagado pela semente fornecida. Caso contrário, é semeado por uma semente aleatória. |
|---|
public static LearnedUnigramCandidateSampler.Options seed2 (Long seed2)
Parâmetros
| semente2 | Uma segunda semente para evitar colisão de sementes. |
|---|