جریان تنسور:: عملیات:: LearnedUnigramCandidateSampler

#include <candidate_sampling_ops.h>

برچسب‌هایی را برای نمونه‌گیری کاندید با توزیع یک‌گرم آموخته‌شده تولید می‌کند.

خلاصه

توضیحات نمونه گیری نامزد و قالب های داده را در go/candidate-sampling ببینید.

برای هر دسته، این عملیات یک مجموعه واحد از برچسب های کاندید نمونه برداری شده را انتخاب می کند.

از مزایای کاندیدهای نمونه برداری در هر دسته، سادگی و امکان ضرب ماتریس متراکم کارآمد است. نقطه ضعف این است که نامزدهای نمونه باید مستقل از زمینه و برچسب های واقعی انتخاب شوند.

استدلال ها:

• scope: یک شی Scope
• true_classes: یک ماتریس batch_size * num_true که در آن هر سطر حاوی شناسه های num_true target_classes در برچسب اصلی مربوطه است.
• num_true: تعداد برچسب های واقعی در هر زمینه.
• num_sampled: تعداد داوطلبانی که به صورت تصادفی نمونه گیری می کنند.
• منحصربه‌فرد: اگر منحصربه‌فرد درست باشد، با رد نمونه‌برداری می‌کنیم، به طوری که همه نامزدهای نمونه‌گیری شده در یک دسته منحصربه‌فرد هستند. این نیاز به تقریبی برای تخمین احتمالات نمونه برداری پس از رد دارد.
• range_max: نمونه‌گر اعداد صحیح را از بازه [0، range_max نمونه‌برداری می‌کند.

ویژگی های اختیاری (به Attrs مراجعه کنید):

• seed: اگر دانه یا seed2 غیر صفر باشد، مولد اعداد تصادفی توسط دانه داده شده بذر می شود. در غیر این صورت، توسط یک بذر تصادفی بذر می شود.
• seed2: دانه دوم برای جلوگیری از برخورد دانه.

برمی‌گرداند:

• Output sampled_candidates: بردار طول num_sampled که در آن هر عنصر شناسه یک کاندید نمونه است.
• Output true_expected_count: یک ماتریس batch_size * num_true، نشان دهنده تعداد دفعاتی است که انتظار می رود هر نامزد در دسته ای از کاندیداهای نمونه گیری شده رخ دهد. اگر منحصر به فرد = درست است، پس این یک احتمال است.
• Output sampled_expected_count: یک بردار با طول num_sampled، برای هر کاندید نمونه گیری شده نشان دهنده تعداد دفعاتی است که انتظار می رود کاندید در دسته ای از کاندیدهای نمونه انجام شود. اگر منحصر به فرد = درست است، پس این یک احتمال است.

سازندگان و ویرانگرها
LearnedUnigramCandidateSampler (const :: tensorflow::Scope & scope, :: tensorflow::Input true_classes, int64 num_true, int64 num_sampled, bool unique, int64 range_max)
LearnedUnigramCandidateSampler (const :: tensorflow::Scope & scope, :: tensorflow::Input true_classes, int64 num_true, int64 num_sampled, bool unique, int64 range_max, const LearnedUnigramCandidateSampler::Attrs & attrs)

صفات عمومی
operation	Operation
sampled_candidates	:: tensorflow::Output
sampled_expected_count	:: tensorflow::Output
true_expected_count	:: tensorflow::Output

توابع استاتیک عمومی
Seed (int64 x)	Attrs
Seed2 (int64 x)	Attrs

سازه ها
tensorflow:: ops:: LearnedUnigramCandidateSampler:: Attrs	تنظیم کننده های ویژگی اختیاری برای LearnedUnigramCandidateSampler .

صفات عمومی

عملیات

Operation operation

نمونه_نامزدها

::tensorflow::Output sampled_candidates

نمونه_انتظار_شده

::tensorflow::Output sampled_expected_count

true_expected_count

::tensorflow::Output true_expected_count

توابع عمومی

LearnedUnigramCandidateSampler

 LearnedUnigramCandidateSampler(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input true_classes,
  int64 num_true,
  int64 num_sampled,
  bool unique,
  int64 range_max
)

LearnedUnigramCandidateSampler

 LearnedUnigramCandidateSampler(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input true_classes,
  int64 num_true,
  int64 num_sampled,
  bool unique,
  int64 range_max,
  const LearnedUnigramCandidateSampler::Attrs & attrs
)

توابع استاتیک عمومی

بذر

Attrs Seed(
  int64 x
)

دانه 2

Attrs Seed2(
  int64 x
)