тензорный поток:: опс:: ИзученныйУниграммаКандидатСэмплер

#include <candidate_sampling_ops.h>

Создает метки для выборки кандидатов с изученным униграммным распределением.

Краткое содержание

См. объяснения выборки кандидатов и форматов данных на странице go/candidate-sampling.

Для каждой партии эта операция выбирает один набор выборочных меток-кандидатов.

Преимущества отбора кандидатов для каждой партии — это простота и возможность эффективного умножения плотных матриц. Недостаток заключается в том, что выбранные кандидаты должны выбираться независимо от контекста и истинных ярлыков.

Аргументы:

  • область: объект области.
  • true_classes: матрица Batch_size * num_true, в которой каждая строка содержит идентификаторы num_true target_classes в соответствующей исходной метке.
  • num_true: количество истинных меток на контекст.
  • num_sampled: количество кандидатов для случайной выборки.
  • уникальный: если значение «уникальный» истинно, мы проводим выборку с отклонением, чтобы все отобранные кандидаты в пакете были уникальными. Это требует некоторого приближения для оценки вероятностей выборки после отклонения.
  • range_max: сэмплер будет выбирать целые числа из интервала [0, range_max).

Необязательные атрибуты (см. Attrs ):

  • начальное число: если для начального числа или начального числа2 задано ненулевое значение, генератор случайных чисел заполняется данным начальным числом. В противном случае он засеивается случайным семенем.
  • семя2: второе семя, чтобы избежать столкновения семян.

Возврат:

  • Output выборки_кандидатов: вектор длиной num_sampled, в котором каждый элемент является идентификатором выбранного кандидата.
  • Output true_expected_count: матрица Batch_size * num_true, представляющая ожидаемое количество раз, которое каждый кандидат будет встречаться в пакете выбранных кандидатов. Если unique=true, то это вероятность.
  • Output sampled_expected_count: вектор длины num_sampled, для каждого выбранного кандидата, представляющий ожидаемое количество раз, которое кандидат появится в пакете выбранных кандидатов. Если unique=true, то это вероятность.

Конструкторы и деструкторы

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)

Публичные атрибуты

operation
sampled_candidates
sampled_expected_count
true_expected_count

Публичные статические функции

Seed (int64 x)
Seed2 (int64 x)

Структуры

tensorflow::ops::LearnedUnigramCandidateSampler::Attrs

Дополнительные установщики атрибутов для LearnedUnigramCandidateSampler .

Публичные атрибуты

операция 

Operation operation

sampled_candidates 

::tensorflow::Output sampled_candidates

sampled_expected_count 

::tensorflow::Output sampled_expected_count

true_expected_count 

::tensorflow::Output true_expected_count

Общественные функции

ИзученныйУниграммаКандидатСэмплер 

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

ИзученныйУниграммаКандидатСэмплер 

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

Публичные статические функции

Семя 

Attrs Seed(
  int64 x
)

Семя2 

Attrs Seed2(
  int64 x
)