(Muhtemelen normalleştirilmiş) Levenshtein Düzenleme Mesafesini hesaplar.
Girdiler, SparseTensors (hipotez_indisleri, hipotez_değerleri, hipotez_şekli) ve (doğruluk_indisleri, doğruluk_değerleri, doğruluk_şekli) tarafından sağlanan değişken uzunluklu dizilerdir.
Girişler şunlardır:
İç İçe Sınıflar
sınıf | DüzenleMesafe.Seçenekler | EditDistance için isteğe bağlı özellikler |
Sabitler
Sicim | OP_NAME | Bu operasyonun TensorFlow çekirdek motoru tarafından bilinen adı |
Genel Yöntemler
Çıkış < TFloat32 > | Çıkış olarak () Tensörün sembolik tutamacını döndürür. |
static <T, TType'ı genişletir > EditDistance | create ( Kapsam kapsamı, İşlenen < TInt64 > hipotez İndeksleri, İşlenen <T> hipotezValues, İşlenen < TInt64 > hipotezShape, İşlenen < TInt64 > doğrulukIndices, İşlenen <T> doğrulukValues, İşlenen < TInt64 > doğrulukShape, Seçenekler... seçenekler) Yeni bir EditDistance işlemini saran bir sınıf oluşturmak için fabrika yöntemi. |
statik EditDistance.Options | normalleştirme (Boole normalleştirme) |
Çıkış < TFloat32 > | çıktı () Derecesi R - 1 olan yoğun bir şamandıra tensörü. |
Kalıtsal Yöntemler
Sabitler
genel statik son Dize OP_NAME
Bu operasyonun TensorFlow çekirdek motoru tarafından bilinen adı
Genel Yöntemler
genel Çıkış < TFloat32 > asOutput ()
Tensörün sembolik tutamacını döndürür.
TensorFlow işlemlerinin girdileri, başka bir TensorFlow işleminin çıktılarıdır. Bu yöntem, girişin hesaplanmasını temsil eden sembolik bir tanıtıcı elde etmek için kullanılır.
public static EditDistance create ( Kapsam kapsamı, İşlenen < TInt64 > hipotez İndisleri, İşlenen <T> hipotezValues, İşlenen < TInt64 > hipotezShape, İşlenen < TInt64 > hakikatIndices, İşlenen <T> doğrulukValues, İşlenen < TInt64 > hakikatShape, Seçenekler... seçenekler)
Yeni bir EditDistance işlemini saran bir sınıf oluşturmak için fabrika yöntemi.
Parametreler
kapsam | mevcut kapsam |
---|---|
hipotezEndeksler | Hipotezin endeksleri SparseTensor'u listeler. Bu bir N x R int64 matrisidir. |
hipotezDeğerler | Hipotez listesinin değerleri SparseTensor. Bu N uzunlukta bir vektördür. |
hipotezŞekil | Hipotez listesinin şekli SparseTensor. Bu bir R-uzunluk vektörüdür. |
doğruluk Endeksleri | Gerçek listenin endeksleri SparseTensor. Bu bir M x R int64 matrisidir. |
doğruluk Değerleri | Doğruluk listesinin değerleri SparseTensor. Bu M uzunlukta bir vektördür. |
doğruluk şekli | doğruluk endeksleri, vektör. |
seçenekler | isteğe bağlı nitelik değerlerini taşır |
İadeler
- EditDistance'ın yeni bir örneği
public static EditDistance.Options normalleştirme (Boolean normalleştirme)
Parametreler
normalleştirmek | boolean (doğruysa, düzenleme mesafeleri gerçeğin uzunluğuna göre normalleştirilir). Çıktı: |
---|
genel Çıkış < TFloat32 > çıkış ()
Derecesi R - 1 olan yoğun bir şamandıra tensörü.
Örnek giriş için:
// hipotez değişken uzunluklu değerlere sahip 2x1'lik bir matrisi temsil eder: // (0,0) = ["a"] // (1,0) = ["b"] hipotez_indisleri = [[0, 0, 0], [1, 0, 0]] hipotez_değerleri = ["a", "b"] hipotez_şekli = [2, 1, 1]
// doğruluk, değişken uzunluklu değerlere sahip 2x2'lik bir matrisi temsil eder: // (0,0) = [] // (0,1) = ["a"] // (1,0) = ["b", " c"] // (1,1) = ["a"] doğruluk_indisleri = [[0, 1, 0], [1, 0, 0], [1, 0, 1], [1, 1, 0] ] doğruluk_değerleri = ["a", "b", "c", "a"] doğruluk_şekli = [2, 2, 2] normalleştirme = doğru
Çıktı şöyle olacaktır:
// çıktı, doğruluk uzunluklarına göre normalleştirilmiş düzenleme mesafelerine sahip 2x2'lik bir matristir. çıktı = [[inf, 1.0], // (0,0): doğruluk yok, (0,1): hipotez yok [0.5, 1.0]] // (1,0): toplama, (1,1): hipotez yok