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 | AllCandidateSampler.Options | AllCandidateSampler के लिए वैकल्पिक विशेषताएँ | |
स्थिरांक
| डोरी | OP_NAME | इस ऑप का नाम, जैसा कि TensorFlow कोर इंजन द्वारा जाना जाता है |
सार्वजनिक तरीके
| स्थिर AllCandidateSampler | |
| 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 AllCandidateSampler.Options | बीज (लंबा बीज) |
| स्थिर AllCandidateSampler.Options | 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 AllCandidateSampler बनाएँ ( स्कोप स्कोप, ऑपरेंड <TInt64> trueClasses, लंबी संख्या सत्य, लंबी संख्या नमूना, बूलियन अद्वितीय, विकल्प... विकल्प)
एक नए AllCandidateSampler 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 | प्रस्तुत किये जाने वाले अभ्यर्थियों 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। |
| विकल्प | वैकल्पिक गुण मान रखता है |
रिटर्न
- AllCandidateSampler 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 AllCandidateSampler.Options 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 AllCandidateSampler.Options बीज2 (लंबा बीज2)
पैरामीटर
| बीज2 | बीज टकराव से बचने के लिए दूसरा बीज। |
|---|