UniformCandidateSampler

UniformCandidateSampler คลาสสุดท้ายสาธารณะ

สร้างป้ายกำกับสำหรับการสุ่มตัวอย่างที่มีการกระจายแบบสม่ำเสมอ

ดูคำอธิบายของการสุ่มตัวอย่างผู้สมัครและรูปแบบข้อมูลที่ go/candidate-sampling

สำหรับแต่ละชุด ฝ่ายปฏิบัติการนี้จะเลือกชุดป้ายกำกับตัวอย่างที่สุ่มตัวอย่างชุดเดียว

ข้อดีของการเลือกตัวอย่างต่อชุดคือความเรียบง่ายและความเป็นไปได้ของการคูณเมทริกซ์หนาแน่นอย่างมีประสิทธิภาพ ข้อเสียคือต้องเลือกผู้สมัครตัวอย่างโดยอิสระจากบริบทและป้ายกำกับที่แท้จริง

คลาสที่ซ้อนกัน

ระดับ UniformCandidateSampler.Options แอ็ตทริบิวต์ทางเลือกสำหรับ UniformCandidateSampler

ค่าคงที่

สตริง OP_NAME ชื่อของ op นี้ ซึ่งรู้จักกันในชื่อของเอ็นจิ้นหลัก TensorFlow

วิธีการสาธารณะ

UniformCandidateSampler แบบคงที่
สร้าง (ขอบเขต ขอบเขต ตัวดำเนินการ < TInt64 > trueClasses, Long numTrue, Long numSampled, Boolean Unique, Long rangeMax, Options... options)
วิธีการจากโรงงานเพื่อสร้างคลาสที่ห่อการดำเนินการ UniformCandidateSampler ใหม่
เอาท์พุต <TInt64>
ผู้สมัครตัวอย่าง ()
เวกเตอร์ที่มีความยาว num_sampled ซึ่งแต่ละองค์ประกอบเป็น ID ของตัวเลือกที่สุ่มตัวอย่าง
เอาท์พุต < TFloat32 >
ตัวอย่างที่คาดหวังจำนวน ()
เวกเตอร์ที่มีความยาว num_sampled สำหรับผู้สมัครที่ถูกสุ่มตัวอย่างแต่ละตัว ซึ่งแสดงถึงจำนวนครั้งที่ผู้สมัครคาดว่าจะเกิดขึ้นในชุดของผู้สมัครที่ถูกสุ่มตัวอย่าง
คง UniformCandidateSampler.Options
เมล็ด (เมล็ดยาว)
คง UniformCandidateSampler.Options
เมล็ด2 (เมล็ดยาว2)
เอาท์พุต < TFloat32 >
trueExpectedCount ()
เมทริกซ์batch_size * num_true แสดงถึงจำนวนครั้งที่ผู้สมัครแต่ละคนคาดว่าจะเกิดขึ้นในชุดของผู้สมัครตัวอย่าง

วิธีการสืบทอด

ค่าคงที่

สตริงสุดท้ายแบบคงที่สาธารณะ OP_NAME

ชื่อของ op นี้ ซึ่งรู้จักกันในชื่อของเอ็นจิ้นหลัก TensorFlow

ค่าคงที่: "UniformCandidateSampler"

วิธีการสาธารณะ

สร้าง UniformCandidateSampler แบบคงที่สาธารณะ (ขอบเขต ขอบเขต ตัวดำเนินการ < TInt64 > trueClasses, Long numTrue, Long numSampled, Boolean Unique, Long rangeMax, Options... options)

วิธีการจากโรงงานเพื่อสร้างคลาสที่ห่อการดำเนินการ UniformCandidateSampler ใหม่

พารามิเตอร์
ขอบเขต ขอบเขตปัจจุบัน
ทรูคลาส เมทริกซ์ bat_size * num_true ซึ่งแต่ละแถวมี ID ของ num_true target_classes ในป้ายกำกับดั้งเดิมที่เกี่ยวข้อง
numTrue จำนวนป้ายกำกับที่แท้จริงต่อบริบท
จำนวนตัวอย่าง จำนวนผู้สมัครที่จะสุ่มตัวอย่าง
มีเอกลักษณ์ หากค่าไม่ซ้ำกันเป็นจริง เราจะสุ่มตัวอย่างด้วยการปฏิเสธ เพื่อให้ผู้สมัครสุ่มตัวอย่างทั้งหมดในแบตช์ไม่ซ้ำกัน ซึ่งต้องมีการประมาณเพื่อประเมินความน่าจะเป็นของการสุ่มตัวอย่างหลังการปฏิเสธ
ช่วงสูงสุด ตัวเก็บตัวอย่างจะสุ่มตัวอย่างจำนวนเต็มจากช่วง [0, range_max)
ตัวเลือก มีค่าแอตทริบิวต์ทางเลือก
การส่งคืน
  • อินสแตนซ์ใหม่ของ UniformCandidateSampler

เอาท์พุท สาธารณะ <TInt64> SampledCandidates ()

เวกเตอร์ที่มีความยาว num_sampled ซึ่งแต่ละองค์ประกอบเป็น ID ของตัวเลือกที่สุ่มตัวอย่าง

เอาท์พุท สาธารณะ < TFloat32 > SampledExpectedCount ()

เวกเตอร์ที่มีความยาว num_sampled สำหรับผู้สมัครที่ถูกสุ่มตัวอย่างแต่ละตัว ซึ่งแสดงถึงจำนวนครั้งที่ผู้สมัครคาดว่าจะเกิดขึ้นในชุดของผู้สมัครที่ถูกสุ่มตัวอย่าง หากไม่ซ้ำกัน=จริง นี่คือความน่าจะเป็น

เมล็ดพันธุ์ UniformCandidateSampler.Options แบบคงที่สาธารณะ (เมล็ดยาว)

พารามิเตอร์
เมล็ดพันธุ์ หากเมล็ดพืชหรือเมล็ดพืช2 ถูกตั้งค่าไม่เป็นศูนย์ เครื่องกำเนิดตัวเลขสุ่มจะถูกเพาะโดยเมล็ดที่ให้มา มิฉะนั้นจะถูกเพาะโดยเมล็ดแบบสุ่ม

สาธารณะคง UniformCandidateSampler.Options seed2 (Long seed2)

พารามิเตอร์
เมล็ดพันธุ์2 เมล็ดที่สองเพื่อหลีกเลี่ยงการชนกันของเมล็ด

เอาท์พุท สาธารณะ < TFloat32 > trueExpectedCount ()

เมทริกซ์batch_size * num_true แสดงถึงจำนวนครั้งที่ผู้สมัครแต่ละคนคาดว่าจะเกิดขึ้นในชุดของผู้สมัครตัวอย่าง หากไม่ซ้ำกัน=จริง นี่คือความน่าจะเป็น