Calcula a distância de edição de Levenshtein (possivelmente normalizada).
As entradas são sequências de comprimento variável fornecidas por SparseTensors (hipotese_indices, hipótese_valores, hipótese_shape) e (verdade_indices, verdade_valores, verdade_shape).
As entradas são:
Classes aninhadas
classe | EditDistance.Options | Atributos opcionais para EditDistance |
Métodos Públicos
Output <float> | asOutput () Retorna o identificador simbólico de um tensor. |
estática <T> EditDistance | criar ( Scope escopo, Operando <longo> hypothesisIndices, Operando <T> hypothesisValues, Operando <longo> hypothesisShape, Operando <longo> truthIndices, Operando <T> truthValues, Operando <longo> truthShape, Options ... Opções) Método de fábrica para criar uma classe envolvendo uma nova operação EditDistance. |
estáticos EditDistance.Options | normalizar (normalizar booleana) |
Output <float> | saída () Um tensor de float denso com classificação R - 1. |
Métodos herdados
Métodos Públicos
pública Output <float> asOutput ()
Retorna o identificador simbólico de um tensor.
As entradas para as operações do TensorFlow são saídas de outra operação do TensorFlow. Este método é usado para obter um identificador simbólico que representa o cálculo da entrada.
public static EditDistance criar ( Scope escopo, Operando <longo> hypothesisIndices, Operando <T> hypothesisValues, Operando <longo> hypothesisShape, Operando <longo> truthIndices, Operando <T> truthValues, Operando <longo> truthShape, Options ... Opções)
Método de fábrica para criar uma classe envolvendo uma nova operação EditDistance.
Parâmetros
alcance | escopo atual |
---|---|
hipotesisIndices | Os índices da lista de hipóteses SparseTensor. Esta é uma matriz N x R int64. |
hipotesisValues | Os valores da lista de hipóteses SparseTensor. Este é um vetor de comprimento N. |
hipóteseShape | A forma da lista de hipóteses SparseTensor. Este é um vetor de comprimento R. |
trueIndices | Os índices da lista verdade SparseTensor. Esta é uma matriz M x R int64. |
trueValues | Os valores da lista verdade SparseTensor. Este é um vetor de comprimento M. |
trueShape | índices de verdade, vetor. |
opções | carrega valores de atributos opcionais |
Devoluções
- uma nova instância de EditDistance
public static EditDistance.Options normalizar (normalize Boolean)
Parâmetros
normalizar | booleano (se verdadeiro, as distâncias de edição são normalizadas pelo comprimento da verdade). O resultado é: |
---|
pública Output <float> saída ()
Um tensor de float denso com classificação R-1.
Para o exemplo de entrada:
// a hipótese representa uma matriz 2x1 com valores de comprimento variável: // (0,0) = ["a"] // (1,0) = ["b"] hipótese_indices = [[0, 0, 0], [1, 0, 0]] hipótese_valores = ["a", "b"] hipótese_forma = [2, 1, 1]
// verdade representa uma matriz 2x2 com valores de comprimento variável: // (0,0) = [] // (0,1) = ["a"] // (1,0) = ["b", " c "] // (1,1) = [" a "] verdade_indices = [[0, 1, 0], [1, 0, 0], [1, 0, 1], [1, 1, 0] ] true_values = ["a", "b", "c", "a"] truth_shape = [2, 2, 2] normalizar = verdadeiro
O resultado será:
// a saída é uma matriz 2x2 com distâncias de edição normalizadas por comprimentos verdade. output = [[inf, 1.0], // (0,0): sem verdade, (0,1): sem hipótese [0,5, 1,0]] // (1,0): adição, (1,1): nenhuma hipótese