flux tensoriel : : opérations : : LearnedUnigramCandidateSampler

Génère des étiquettes pour l'échantillonnage des candidats avec une distribution d'unigramme apprise.

Résumé

See explanations of candidate sampling and the data formats at go/candidate-sampling.

For each batch, this op picks a single set of sampled candidate labels.

The advantages of sampling candidates per-batch are simplicity and the possibility of efficient dense matrix multiplication. The disadvantage is that the sampled candidates must be chosen independently of the context and of the true labels.

Arguments :

• scope : un objet Scope
• true_classes : une matrice batch_size * num_true, dans laquelle chaque ligne contient les ID des num_true target_classes dans l'étiquette d'origine correspondante.
• num_true: Number of true labels per context.
• num_sampled: Number of candidates to randomly sample.
• unique: If unique is true, we sample with rejection, so that all sampled candidates in a batch are unique. This requires some approximation to estimate the post-rejection sampling probabilities.
• range_max: The sampler will sample integers from the interval [0, range_max).

Attributs facultatifs (voir Attrs ) :

• seed: If either seed or seed2 are set to be non-zero, the random number generator is seeded by the given seed. Sinon, il est ensemencé par une graine aléatoire.
• seed2: An second seed to avoid seed collision.

Retours :

• Output sampled_candidates: A vector of length num_sampled, in which each element is the ID of a sampled candidate.
• Output true_expected_count : une matrice batch_size * num_true, représentant le nombre de fois où chaque candidat devrait apparaître dans un lot de candidats échantillonnés. If unique=true, then this is a probability.
• Output sampled_expected_count : un vecteur de longueur num_sampled, pour chaque candidat échantillonné représentant le nombre de fois que le candidat devrait apparaître dans un lot de candidats échantillonnés. If unique=true, then this is a probability.

Attributs publics

Operation operation

::tensorflow::Output sampled_candidates

::tensorflow::Output sampled_expected_count

::tensorflow::Output true_expected_count

 LearnedUnigramCandidateSampler(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input true_classes,
  int64 num_true,
  int64 num_sampled,
  bool unique,
  int64 range_max
)

 LearnedUnigramCandidateSampler(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input true_classes,
  int64 num_true,
  int64 num_sampled,
  bool unique,
  int64 range_max,
  const LearnedUnigramCandidateSampler::Attrs & attrs
)

Attrs Seed(
  int64 x
)

Attrs Seed2(
  int64 x
)