Tensorflow :: ops :: LearnedUnigramCandidateSampler

#include <candidate_sampling_ops.h>

Generiert Labels für Kandidatenstichproben mit einer erlernten Unigrammverteilung.

Zusammenfassung

Siehe Erläuterungen zur Kandidatenstichprobe und zu den Datenformaten unter go / Kandidatenstichprobe.

Für jede Charge wählt diese Operation einen einzelnen Satz von Stichprobenkandidatenetiketten aus.

Die Vorteile der Probenahme von Kandidaten pro Charge liegen in der Einfachheit und der Möglichkeit einer effizienten Multiplikation dichter Matrix. Der Nachteil ist, dass die in die Stichprobe einbezogenen Kandidaten unabhängig vom Kontext und von den tatsächlichen Bezeichnungen ausgewählt werden müssen.

Argumente:

  • scope: Ein Scope- Objekt
  • true_classes: Eine Batch_size * num_true-Matrix, in der jede Zeile die IDs der num_true-Zielklassen in der entsprechenden Originalbezeichnung enthält.
  • num_true: Anzahl der echten Labels pro Kontext.
  • num_sampled: Anzahl der Kandidaten, die zufällig ausgewählt werden sollen.
  • einzigartig: Wenn einzigartig wahr ist, werden wir mit Ablehnung abgetastet, sodass alle Stichprobenkandidaten in einem Stapel eindeutig sind. Dies erfordert eine gewisse Annäherung, um die Abtastwahrscheinlichkeiten nach der Zurückweisung abzuschätzen.
  • range_max: Der Sampler tastet ganze Zahlen aus dem Intervall [0, range_max] ab.

Optionale Attribute (siehe Attrs ):

  • seed: Wenn entweder seed oder seed2 auf einen Wert ungleich Null gesetzt ist, wird der Zufallszahlengenerator durch den angegebenen Startwert gesetzt. Andernfalls wird es durch einen zufälligen Startwert ausgesät.
  • seed2: Ein zweiter Samen, um eine Samenkollision zu vermeiden.

Kehrt zurück:

  • Output sampled_candidates: Ein Vektor der Länge num_sampled, in dem jedes Element die ID eines abgetasteten Kandidaten ist.
  • Output true_expected_count: Eine Batch_size * num_true-Matrix, die angibt, wie oft jeder Kandidat in einem Stapel von Stichprobenkandidaten erwartet wird. Wenn unique = true, ist dies eine Wahrscheinlichkeit.
  • Output sampled_expected_count: Ein Vektor der Länge num_sampled für jeden abgetasteten Kandidaten, der angibt, wie oft der Kandidat in einem Stapel von abgetasteten Kandidaten erwartet wird. Wenn unique = true, ist dies eine Wahrscheinlichkeit.

Konstruktoren und Destruktoren

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)

Öffentliche Attribute

operation
sampled_candidates
sampled_expected_count
true_expected_count

Öffentliche statische Funktionen

Seed (int64 x)
Seed2 (int64 x)

Strukturen

tensorflow :: ops :: LearnedUnigramCandidateSampler :: Attrs

Optionale Attributsetzer für LearnedUnigramCandidateSampler .

Öffentliche Attribute

Operation

Operation operation

sampled_candidates

::tensorflow::Output sampled_candidates

sampled_expected_count

::tensorflow::Output sampled_expected_count

true_expected_count

::tensorflow::Output true_expected_count

Öffentliche Funktionen

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
)

Öffentliche statische Funktionen

Samen

Attrs Seed(
  int64 x
)

Seed2

Attrs Seed2(
  int64 x
)