LogUniformCandidateSampler

LogUniformCandidateSampler kelas akhir publik

Menghasilkan label untuk pengambilan sampel kandidat dengan distribusi log-uniform.

Lihat penjelasan mengenai pengambilan sampel kandidat dan format datanya di go/candidate-sampling.

Untuk setiap batch, operasi ini mengambil satu set sampel label kandidat.

Keuntungan pengambilan sampel kandidat per batch adalah kesederhanaan dan kemungkinan perkalian matriks padat yang efisien. Kerugiannya adalah kandidat yang dijadikan sampel harus dipilih secara independen dari konteks dan label yang sebenarnya.

Kelas Bersarang

kelas LogUniformCandidateSampler.Options Atribut opsional untuk LogUniformCandidateSampler

Konstanta

Rangkaian OP_NAME Nama operasi ini dikenal dengan mesin inti TensorFlow

Metode Publik

LogUniformCandidateSampler statis
buat ( Lingkup cakupan, Operan < TInt64 > trueClasses, Long numTrue, Long numSampled, Boolean unik, Long rangeMax, Opsi... opsi)
Metode pabrik untuk membuat kelas yang membungkus operasi LogUniformCandidateSampler baru.
Keluaran < TInt64 >
sampelKandidat ()
Vektor dengan panjang num_sampled, yang setiap elemennya merupakan ID kandidat sampel.
Keluaran < TFloat32 >
sampledExpectedCount ()
Sebuah vektor dengan panjang num_sampled, untuk setiap kandidat sampel yang mewakili berapa kali kandidat tersebut diharapkan muncul dalam sekumpulan kandidat sampel.
LogUniformCandidateSampler.Options statis
benih (biji panjang)
LogUniformCandidateSampler.Options statis
seed2 (Benih panjang2)
Keluaran < TFloat32 >
benarExpectedCount ()
Matriks batch_size * num_true, mewakili berapa kali setiap kandidat diharapkan muncul dalam kumpulan kandidat sampel.

Metode Warisan

Konstanta

String akhir statis publik OP_NAME

Nama operasi ini dikenal dengan mesin inti TensorFlow

Nilai Konstan: "LogUniformCandidateSampler"

Metode Publik

LogUniformCandidateSampler statis publik buat ( Lingkup cakupan , Operan < TInt64 > trueClasses, Long numTrue, Long numSampled, Boolean unik, Long rangeMax, Opsi... opsi)

Metode pabrik untuk membuat kelas yang membungkus operasi LogUniformCandidateSampler baru.

Parameter
cakupan ruang lingkup saat ini
Kelas benar Matriks batch_size * num_true, yang setiap barisnya berisi ID dari num_true target_classes di label asli yang sesuai.
nomor Benar Jumlah label sebenarnya per konteks.
jumlah sampel Jumlah kandidat yang akan diambil sampelnya secara acak.
unik Jika keunikan benar, kami mengambil sampel dengan penolakan, sehingga semua kandidat sampel dalam suatu kelompok adalah unik. Hal ini memerlukan beberapa perkiraan untuk memperkirakan probabilitas pengambilan sampel pasca penolakan.
rentang Maks Sampler akan mengambil sampel bilangan bulat dari interval [0, range_max).
pilihan membawa nilai atribut opsional
Kembali
  • contoh baru LogUniformCandidateSampler

Output publik < TInt64 > sampel Kandidat ()

Vektor dengan panjang num_sampled, yang setiap elemennya merupakan ID kandidat sampel.

Keluaran publik < TFloat32 > sampledExpectedCount ()

Sebuah vektor dengan panjang num_sampled, untuk setiap kandidat sampel yang mewakili berapa kali kandidat tersebut diharapkan muncul dalam sekumpulan kandidat sampel. Jika unik=benar, maka ini adalah sebuah probabilitas.

benih LogUniformCandidateSampler.Options statis publik (Benih panjang)

Parameter
benih Jika salah satu seed atau seed2 disetel bukan nol, pembuat nomor acak akan diunggulkan oleh seed yang diberikan. Jika tidak, ia akan diunggulkan dengan benih acak.

LogUniformCandidateSampler.Options seed2 statis publik (Benih panjang2)

Parameter
benih2 Benih kedua untuk menghindari benturan benih.

Keluaran publik < TFloat32 > trueExpectedCount ()

Matriks batch_size * num_true, mewakili berapa kali setiap kandidat diharapkan muncul dalam kumpulan kandidat sampel. Jika unik=benar, maka ini adalah sebuah probabilitas.