جریان تنسور:: عملیات:: چند جمله ای

#include <random_ops.h>

نمونه هایی را از توزیع چندجمله ای ترسیم می کند.

خلاصه

استدلال ها:

  • scope: یک شی Scope
  • logits: تانسور دو بعدی با شکل [batch_size, num_classes] . هر تکه [i, :] نشان دهنده احتمالات گزارش غیرعادی برای همه کلاس ها است.
  • num_samples: 0-D. تعداد نمونه های مستقل برای ترسیم برای هر برش ردیف.

ویژگی های اختیاری (به Attrs مراجعه کنید):

  • seed: اگر seed یا seed2 غیر صفر باشد، مولد اعداد تصادفی داخلی توسط دانه داده شده بذر می شود. در غیر این صورت از یک بذر تصادفی استفاده می شود.
  • seed2: دانه دوم برای جلوگیری از برخورد دانه.

برمی‌گرداند:

  • Output : تانسور دو بعدی با شکل [batch_size, num_samples] . هر تکه [i, :] حاوی برچسب‌های کلاس ترسیم شده با محدوده [0, num_classes) است.

سازندگان و ویرانگرها

Multinomial (const :: tensorflow::Scope & scope, :: tensorflow::Input logits, :: tensorflow::Input num_samples)
Multinomial (const :: tensorflow::Scope & scope, :: tensorflow::Input logits, :: tensorflow::Input num_samples, const Multinomial::Attrs & attrs)

صفات عمومی

operation
output

توابع عمومی

node () const
::tensorflow::Node *
operator::tensorflow::Input () const
operator::tensorflow::Output () const

توابع استاتیک عمومی

OutputDtype (DataType x)
Seed (int64 x)
Seed2 (int64 x)

سازه ها

tensorflow:: ops:: چند جمله ای:: Attrs

تنظیم کننده های ویژگی اختیاری برای چندجمله ای .

صفات عمومی

عملیات

Operation operation

خروجی

::tensorflow::Output output

توابع عمومی

چند جمله ای

 Multinomial(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input logits,
  ::tensorflow::Input num_samples
)

چند جمله ای

 Multinomial(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input logits,
  ::tensorflow::Input num_samples,
  const Multinomial::Attrs & attrs
)

گره

::tensorflow::Node * node() const 

عملگر::tensorflow::ورودی

 operator::tensorflow::Input() const 

عملگر::tensorflow::خروجی

 operator::tensorflow::Output() const 

توابع استاتیک عمومی

OutputDtype

Attrs OutputDtype(
  DataType x
)

بذر

Attrs Seed(
  int64 x
)

دانه 2

Attrs Seed2(
  int64 x
)