Gera rótulos para amostras de candidatos com uma distribuição de unigrama aprendida.
Consulte as explicações sobre a amostragem de candidatos e os formatos de dados em go / candidate-sampling.
Para cada lote, esta operação escolhe um único conjunto de rótulos candidatos de amostra.
As vantagens da amostragem de candidatos por lote são a simplicidade e a possibilidade de multiplicação de matriz densa eficiente. A desvantagem é que os candidatos amostrados devem ser escolhidos independentemente do contexto e dos rótulos verdadeiros.
Classes aninhadas
| classe | LearnedUnigramCandidateSampler.Options | Atributos opcionais para LearnedUnigramCandidateSampler | |
Constantes
| Fragmento | OP_NAME | O nome desta operação, conforme conhecido pelo motor principal TensorFlow |
Métodos Públicos
| estática LearnedUnigramCandidateSampler | criar ( Scope escopo, Operando < TInt64 > trueClasses, Long numTrue, Long numSampled, Boolean única, Long RangeMax, Options ... Opções) Método de fábrica para criar uma classe envolvendo uma nova operação LearnedUnigramCandidateSampler. |
| Output < TInt64 > | sampledCandidates () Um vetor de comprimento num_sampled, no qual cada elemento é o ID de um candidato amostrado. |
| Output < TFloat32 > | sampledExpectedCount () Um vetor de comprimento num_sampled, para cada candidato amostrado que representa o número de vezes que o candidato deve ocorrer em um lote de candidatos amostrados. |
| estáticos LearnedUnigramCandidateSampler.Options | sementes (semente Long) |
| estáticos LearnedUnigramCandidateSampler.Options | seed2 (seed2 Long) |
| Output < TFloat32 > | trueExpectedCount () Uma matriz batch_size * num_true, representando o número de vezes que cada candidato deve ocorrer em um lote de candidatos amostrados. |
Métodos herdados
Constantes
nome_op final String public static
O nome desta operação, conforme conhecido pelo motor principal TensorFlow
Métodos Públicos
public static LearnedUnigramCandidateSampler criar ( Scope escopo, Operando < TInt64 > trueClasses, Long numTrue, Long numSampled, Boolean única, Long RangeMax, Options ... Opções)
Método de fábrica para criar uma classe envolvendo uma nova operação LearnedUnigramCandidateSampler.
Parâmetros
| alcance | 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 a serem amostrados aleatoriamente. |
| exclusivo | Se único for verdadeiro, fazemos a amostragem com rejeição, de modo que todos os candidatos amostrados em um lote sejam únicos. Isso requer alguma aproximação para estimar as probabilidades de amostragem pós-rejeição. |
| rangeMax | O amostrador irá amostrar inteiros do intervalo [0, range_max). |
| opções | carrega valores de atributos opcionais |
Devoluções
- uma nova instância de LearnedUnigramCandidateSampler
pública Output < TInt64 > sampledCandidates ()
Um vetor de comprimento num_sampled, no qual cada elemento é o ID de um candidato amostrado.
pública Output < TFloat32 > sampledExpectedCount ()
Um vetor de comprimento num_sampled, para cada candidato amostrado que representa o número de vezes que o candidato deve ocorrer em um lote de candidatos amostrados. Se único = verdadeiro, então esta é uma probabilidade.
public static LearnedUnigramCandidateSampler.Options semente (seed Long)
Parâmetros
| semente | Se seed ou seed2 forem definidos como diferentes de zero, o gerador de número aleatório é propagado por um determinado seed. Caso contrário, é semeado por uma semente aleatória. |
|---|
public static LearnedUnigramCandidateSampler.Options seed2 (seed2 Long)
Parâmetros
| seed2 | Uma segunda semente para evitar a colisão de sementes. |
|---|