Genera etichette per il campionamento dei candidati con una distribuzione unigramma appresa.
Consulta le spiegazioni sul campionamento dei candidati e sui formati dei dati su go/candidate-sampling.
Per ogni batch, questa operazione seleziona un singolo set di etichette candidate campionate.
I vantaggi del campionamento dei candidati per lotto sono la semplicità e la possibilità di un'efficiente moltiplicazione della matrice densa. Lo svantaggio è che i candidati campionati devono essere scelti indipendentemente dal contesto e dalle vere etichette.
Classi nidificate
| classe | LearnedUnigramCandidateSampler.Options | Attributi facoltativi per LearnedUnigramCandidateSampler | |
Costanti
| Corda | OP_NAME | Il nome di questa operazione, come noto al motore principale di TensorFlow |
Metodi pubblici
| static LearnedUnigramCandidateSampler | create ( Scope scope, Operand < TInt64 > trueClasses, Long numTrue, Long numSampled, Boolean univoco, Long rangeMax, Opzioni... opzioni) Metodo factory per creare una classe che racchiude una nuova operazione LearnedUnigramCandidateSampler. |
| Uscita < TInt64 > | candidati campionati () Un vettore di lunghezza num_sampled, in cui ogni elemento è l'ID di un candidato campionato. |
| Uscita < TFloat32 > | campionatoExpectedCount () Un vettore di lunghezza num_sampled, per ogni candidato campionato che rappresenta il numero di volte in cui si prevede che il candidato si presenti in un batch di candidati campionati. |
| static LearnedUnigramCandidateSampler.Options | seme (seme lungo) |
| static LearnedUnigramCandidateSampler.Options | seme2 (seme lungo2) |
| Uscita < TFloat32 > | trueExpectedCount () Una matrice batch_size * num_true, che rappresenta il numero di volte in cui si prevede che ciascun candidato si presenti in un batch di candidati campionati. |
Metodi ereditati
Costanti
Stringa finale statica pubblica OP_NAME
Il nome di questa operazione, come noto al motore principale di TensorFlow
Metodi pubblici
creazione statica pubblica LearnedUnigramCandidateSampler (ambito ambito , Operando < TInt64 > trueClasses, Long numTrue, Long numSampled, Boolean univoco, Long rangeMax, Opzioni... opzioni)
Metodo factory per creare una classe che racchiude una nuova operazione LearnedUnigramCandidateSampler.
Parametri
| scopo | ambito attuale |
|---|---|
| trueClasses | Una matrice batch_size * num_true, in cui ogni riga contiene gli ID delle num_true target_classes nell'etichetta originale corrispondente. |
| numeroVero | Numero di etichette vere per contesto. |
| numSampled | Numero di candidati da campionare casualmente. |
| unico | Se unico è vero, campioniamo con rifiuto, in modo che tutti i candidati campionati in un batch siano unici. Ciò richiede una certa approssimazione per stimare le probabilità di campionamento post-rifiuto. |
| portataMax | Il campionatore campionerà i numeri interi dall'intervallo [0, range_max). |
| opzioni | trasporta valori di attributi opzionali |
ritorna
- una nuova istanza di LearnedUnigramCandidateSampler
output pubblico < TInt64 > sampledCandidates ()
Un vettore di lunghezza num_sampled, in cui ogni elemento è l'ID di un candidato campionato.
Output pubblico < TFloat32 > sampledExpectedCount ()
Un vettore di lunghezza num_sampled, per ogni candidato campionato che rappresenta il numero di volte in cui si prevede che il candidato si presenti in un batch di candidati campionati. Se unico=vero, allora questa è una probabilità.
seed statico pubblico LearnedUnigramCandidateSampler.Options (seed lungo)
Parametri
| seme | Se seed o seed2 sono impostati su un valore diverso da zero, il generatore di numeri casuali viene seminato dal seed specificato. Altrimenti, viene seminato da un seme casuale. |
|---|
public static LearnedUnigramCandidateSampler.Options seed2 (Long seed2)
Parametri
| seme2 | Un secondo seme per evitare la collisione dei semi. |
|---|