सीखे गए यूनीग्राम वितरण के साथ उम्मीदवार के नमूने के लिए लेबल तैयार करता है।
गो/उम्मीदवार-सैंपलिंग पर उम्मीदवार के नमूने और डेटा प्रारूपों के स्पष्टीकरण देखें।
प्रत्येक बैच के लिए, यह ऑप नमूना उम्मीदवार लेबल का एक सेट चुनता है।
प्रति बैच उम्मीदवारों के नमूने लेने के फायदे सरलता और कुशल सघन मैट्रिक्स गुणन की संभावना हैं। नुकसान यह है कि नमूना उम्मीदवारों को संदर्भ और वास्तविक लेबल से स्वतंत्र रूप से चुना जाना चाहिए।
नेस्टेड क्लासेस
| कक्षा | लर्नेडयूनिग्रामकैंडिडेटसैंपलर.विकल्प | LearnedUnigramCandidateSampler के लिए वैकल्पिक विशेषताएँ | |
स्थिरांक
| डोरी | OP_NAME | इस ऑप का नाम, जैसा कि TensorFlow कोर इंजन द्वारा जाना जाता है |
सार्वजनिक तरीके
| स्टेटिक लर्नेडयूनिग्रामकैंडिडेटसैंपलर | |
| आउटपुट <TInt64> | नमूनाउम्मीदवार () लंबाई num_sampled का एक वेक्टर, जिसमें प्रत्येक तत्व एक नमूना उम्मीदवार की आईडी है। |
| आउटपुट < TFloat32 > | नमूनाअपेक्षितगणना () प्रत्येक नमूना उम्मीदवार के लिए लंबाई num_sampled का एक वेक्टर, नमूना उम्मीदवारों के एक बैच में उम्मीदवार के आने की उम्मीद की जाने वाली संख्या का प्रतिनिधित्व करता है। |
| स्थिर लर्नडयूनिग्रामकैंडिडेटसैंपलर.विकल्प | बीज (लंबा बीज) |
| स्थिर लर्नडयूनिग्रामकैंडिडेटसैंपलर.विकल्प | बीज2 (लंबा बीज2) |
| आउटपुट < TFloat32 > | trueExpectedCount () एक बैच_आकार * num_true मैट्रिक्स, यह दर्शाता है कि प्रत्येक उम्मीदवार द्वारा नमूना किए गए उम्मीदवारों के एक बैच में कितनी बार आने की उम्मीद है। |
विरासत में मिली विधियाँ
स्थिरांक
सार्वजनिक स्थैतिक अंतिम स्ट्रिंग OP_NAME
इस ऑप का नाम, जैसा कि TensorFlow कोर इंजन द्वारा जाना जाता है
सार्वजनिक तरीके
सार्वजनिक स्थैतिक लर्नडयूनिग्रामकैंडिडेटसैंपलर क्रिएट ( स्कोप स्कोप, ऑपरेंड <TInt64> ट्रूक्लासेस, लॉन्ग नंबरट्रू, लॉन्ग नंबरसैंपल्ड, बूलियन यूनिक, लॉन्ग रेंजमैक्स, ऑप्शन... विकल्प)
एक नए लर्नेडयूनिग्रामकैंडिडेटसैंपलर ऑपरेशन को लपेटकर एक क्लास बनाने की फ़ैक्टरी विधि।
पैरामीटर
| दायरा | वर्तमान दायरा |
|---|---|
| सच्ची कक्षाएँ | एक बैच_आकार * num_true मैट्रिक्स, जिसमें प्रत्येक पंक्ति में संबंधित मूल लेबल में num_true target_classes की आईडी होती हैं। |
| अंकसत्य | प्रति संदर्भ वास्तविक लेबलों की संख्या. |
| संख्यानमूना | यादृच्छिक रूप से नमूने के लिए उम्मीदवारों की संख्या. |
| अद्वितीय | यदि अद्वितीय सत्य है, तो हम अस्वीकृति के साथ नमूना लेते हैं, ताकि एक बैच में सभी नमूना उम्मीदवार अद्वितीय हों। इसके लिए अस्वीकृति के बाद के नमूने की संभावनाओं का अनुमान लगाने के लिए कुछ अनुमान की आवश्यकता होती है। |
| रेंजमैक्स | नमूनाकर्ता अंतराल [0, रेंज_मैक्स) से पूर्णांकों का नमूना लेगा। |
| विकल्प | वैकल्पिक गुण मान रखता है |
रिटर्न
- LearnedUnigramCandidateSampler का एक नया उदाहरण
सार्वजनिक आउटपुट <TInt64> नमूनाउम्मीदवार ()
लंबाई num_sampled का एक वेक्टर, जिसमें प्रत्येक तत्व एक नमूना उम्मीदवार की आईडी है।
सार्वजनिक आउटपुट < TFloat32 > नमूनाअपेक्षितगणना ()
प्रत्येक नमूना उम्मीदवार के लिए लंबाई num_sampled का एक वेक्टर, नमूना उम्मीदवारों के एक बैच में उम्मीदवार के आने की उम्मीद की जाने वाली संख्या का प्रतिनिधित्व करता है। यदि अद्वितीय = सत्य है, तो यह एक संभावना है।
सार्वजनिक स्थैतिक लर्नडयूनिग्रामकैंडिडेटसैंपलर.ऑप्शन बीज (लंबा बीज)
पैरामीटर
| बीज | यदि बीज या बीज 2 को गैर-शून्य पर सेट किया गया है, तो यादृच्छिक संख्या जनरेटर को दिए गए बीज द्वारा बीजित किया जाता है। अन्यथा, यह एक यादृच्छिक बीज द्वारा बोया जाता है। |
|---|
सार्वजनिक स्थैतिक लर्नडयूनिग्रामकैंडिडेटसैंपलर.ऑप्शंस सीड2 (लंबा सीड2)
पैरामीटर
| बीज2 | बीज टकराव से बचने के लिए दूसरा बीज। |
|---|