একটি শেখা ইউনিগ্রাম বিতরণের সাথে প্রার্থীর নমুনার জন্য লেবেল তৈরি করে।
go/candidate-sampling-এ প্রার্থীর নমুনা এবং ডেটা ফর্ম্যাটের ব্যাখ্যা দেখুন।
প্রতিটি ব্যাচের জন্য, এই অপশনটি নমুনাযুক্ত প্রার্থী লেবেলের একক সেট বেছে নেয়।
প্রতি-ব্যাচ প্রার্থীদের নমুনা নেওয়ার সুবিধাগুলি হল সরলতা এবং দক্ষ ঘন ম্যাট্রিক্স গুণনের সম্ভাবনা। অসুবিধা হল যে নমুনা প্রার্থীদের অবশ্যই প্রসঙ্গ এবং সত্যিকারের লেবেল থেকে স্বাধীনভাবে বেছে নিতে হবে।
নেস্টেড ক্লাস
| ক্লাস | LearnedUnigramCandidateSampler.Options | LearnedUnigramCandidateSampler এর জন্য ঐচ্ছিক বৈশিষ্ট্য | |
ধ্রুবক
| স্ট্রিং | OP_NAME | এই অপের নাম, টেনসরফ্লো কোর ইঞ্জিন দ্বারা পরিচিত |
পাবলিক পদ্ধতি
| স্ট্যাটিক LearnedUnigram CandidateSampler | তৈরি করুন ( স্কোপ স্কোপ, অপারেন্ড < TInt64 > trueClasses, Long numTrue, Long numSampled, Boolean unique, Long rangeMax, Options... options) একটি নতুন LearnedUnigramCandidateSampler অপারেশন মোড়ানো একটি ক্লাস তৈরি করার কারখানা পদ্ধতি। |
| আউটপুট < TInt64 > | নমুনা প্রার্থী () দৈর্ঘ্য num_sampled একটি ভেক্টর, যার প্রতিটি উপাদান একটি নমুনা প্রার্থীর ID। |
| আউটপুট < TFloat32 > | নমুনা প্রত্যাশিত গণনা () দৈর্ঘ্যের একটি ভেক্টর num_sampled, প্রতিটি নমুনা প্রার্থীর জন্য নমুনা নেওয়া প্রার্থীদের একটি ব্যাচে প্রার্থী কতবার ঘটতে পারে তা প্রতিনিধিত্ব করে। |
| স্ট্যাটিক LearnedUnigramCandidateSampler.Options | বীজ (দীর্ঘ বীজ) |
| স্ট্যাটিক LearnedUnigramCandidateSampler.Options | বীজ 2 (লম্বা বীজ 2) |
| আউটপুট < TFloat32 > | trueExpectedCount () একটি ব্যাচ_সাইজ * num_true ম্যাট্রিক্স, নমুনা নেওয়া প্রার্থীদের একটি ব্যাচে প্রতিটি প্রার্থী কতবার ঘটবে বলে প্রত্যাশিত সংখ্যার প্রতিনিধিত্ব করে। |
উত্তরাধিকারসূত্রে প্রাপ্ত পদ্ধতি
ধ্রুবক
সর্বজনীন স্ট্যাটিক চূড়ান্ত স্ট্রিং OP_NAME
এই অপের নাম, টেনসরফ্লো কোর ইঞ্জিন দ্বারা পরিচিত
পাবলিক পদ্ধতি
পাবলিক স্ট্যাটিক LearnedUnigramCandidateSampler তৈরি করুন ( Scope scope, Operand < TInt64 > trueClasses, Long numTrue, Long numSampled, Boolean unique, Long rangeMax, Options... options)
একটি নতুন LearnedUnigramCandidateSampler অপারেশন মোড়ানো একটি ক্লাস তৈরি করার কারখানা পদ্ধতি।
পরামিতি
| সুযোগ | বর্তমান সুযোগ |
|---|---|
| সত্যিকারের ক্লাস | একটি ব্যাচ_সাইজ * num_true ম্যাট্রিক্স, যার প্রতিটি সারিতে সংশ্লিষ্ট আসল লেবেলে num_true target_class-এর আইডি রয়েছে। |
| numTrue | প্রসঙ্গ প্রতি সত্য লেবেলের সংখ্যা। |
| numSampled | এলোমেলোভাবে নমুনা প্রার্থীদের সংখ্যা. |
| অনন্য | অনন্য সত্য হলে, আমরা প্রত্যাখ্যান সহ নমুনা করি, যাতে একটি ব্যাচের সমস্ত নমুনা প্রার্থী অনন্য হয়। প্রত্যাখ্যান পরবর্তী নমুনা সম্ভাব্যতা অনুমান করার জন্য এটি কিছু আনুমানিক প্রয়োজন। |
| rangeMax | নমুনাকারী ব্যবধান থেকে পূর্ণসংখ্যার নমুনা করবে [0, range_max)। |
| বিকল্প | ঐচ্ছিক বৈশিষ্ট্য মান বহন করে |
রিটার্নস
- LearnedUnigramCandidateSampler এর একটি নতুন উদাহরণ
সর্বজনীন আউটপুট < TInt64 > নমুনা প্রার্থী ()
দৈর্ঘ্য num_sampled একটি ভেক্টর, যার প্রতিটি উপাদান একটি নমুনা প্রার্থীর ID।
সর্বজনীন আউটপুট < TFloat32 > sampledExpectedCount ()
দৈর্ঘ্যের একটি ভেক্টর num_sampled, প্রতিটি নমুনা প্রার্থীর জন্য নমুনা নেওয়া প্রার্থীদের একটি ব্যাচে প্রার্থী কতবার ঘটতে পারে তা প্রতিনিধিত্ব করে। যদি অনন্য = সত্য, তাহলে এটি একটি সম্ভাবনা।
পাবলিক স্ট্যাটিক LearnedUnigramCandidateSampler.Options seed (লং বীজ)
পরামিতি
| বীজ | যদি বীজ বা বীজ2 অ-শূন্য হিসাবে সেট করা হয়, তাহলে প্রদত্ত বীজ দ্বারা এলোমেলো সংখ্যা জেনারেটর বীজ হয়। অন্যথায়, এটি একটি এলোমেলো বীজ দ্বারা বীজ হয়। |
|---|
পাবলিক স্ট্যাটিক LearnedUnigramCandidateSampler.Options seed2 (Long seed2)
পরামিতি
| বীজ2 | একটি দ্বিতীয় বীজ বীজ সংঘর্ষ এড়াতে. |
|---|