EditDistance

public final class EditDistance

Calcola la distanza di modifica Levenshtein (possibilmente normalizzata).

Gli input sono sequenze di lunghezza variabile fornite da SparseTensors (hypothesis_indices, hypothesis_values, hypothesis_shape) e (truth_indices, truth_values, truth_shape).

Gli ingressi sono:

Classi annidate

classe EditDistance.Options Attributi opzionali per EditDistance

Metodi pubblici

Uscita <Float>
asOutput ()
Restituisce la maniglia simbolica di un tensore.
static <T> EditDistance
create ( Scope scope, Operand <Long> hypothesisIndices, Operand <T> hypothesisValues, Operand <Long> hypothesisShape, Operand <Long> truthIndices, Operand <T> truthValues, Operand <Long> truthShape, Opzioni ... opzioni)
Metodo Factory per creare una classe che avvolge una nuova operazione EditDistance.
static EditDistance.Options
normalize (Boolean normalize)
Uscita <Float>
output ()
Un tensore flottante denso con rango R - 1.

Metodi ereditati

Metodi pubblici

output pubblico <Float> asOutput ()

Restituisce la maniglia simbolica di un tensore.

Gli input per le operazioni TensorFlow sono output di un'altra operazione TensorFlow. Questo metodo viene utilizzato per ottenere un handle simbolico che rappresenta il calcolo dell'input.

public static EditDistance create ( Scope scope, Operand <Long> hypothesisIndices, Operand <T> hypothesisValues, Operand <Long> hypothesisShape, Operand <Long> truthIndices, Operand <T> truthValues, Operand <Long> truthShape, Opzioni ...

Metodo Factory per creare una classe che avvolge una nuova operazione EditDistance.

Parametri
scopo ambito attuale
ipotesiIndici Gli indici dell'ipotesi elencano SparseTensor. Questa è una matrice N x R int64.
hypothesisValues I valori dell'elenco delle ipotesi SparseTensor. Questo è un vettore di lunghezza N.
hypothesisShape La forma dell'elenco delle ipotesi SparseTensor. Questo è un vettore di lunghezza R.
veritàIndici Gli indici della lista di verità SparseTensor. Questa è una matrice M x R int64.
veritàValori I valori della lista di verità SparseTensor. Questo è un vettore di lunghezza M.
truthShape indici di verità, vettore.
opzioni trasporta valori di attributi opzionali
ritorna
  • una nuova istanza di EditDistance

public static EditDistance.Options normalize (Boolean normalize)

Parametri
normalizzare booleano (se true, le distanze di modifica sono normalizzate in base alla lunghezza della verità).

L'output è:

output pubblico <Float> output ()

Un tensore flottante denso con rango R - 1.

Per l'input di esempio:

// hypothesis rappresenta una matrice 2x1 con valori di lunghezza variabile: // (0,0) = ["a"] // (1,0) = ["b"] hypothesis_indices = [[0, 0, 0], [1, 0, 0]] valori_ipotesi = ["a", "b"] forma_ipotesi = [2, 1, 1]

// la verità rappresenta una matrice 2x2 con valori di lunghezza variabile: // (0,0) = [] // (0,1) = ["a"] // (1,0) = ["b", " c "] // (1,1) = [" a "] truth_indices = [[0, 1, 0], [1, 0, 0], [1, 0, 1], [1, 1, 0] ] truth_values ​​= ["a", "b", "c", "a"] truth_shape = [2, 2, 2] normalize = true

L'output sarà:

// l'output è una matrice 2x2 con distanze di modifica normalizzate dalle lunghezze di verità. output = [[inf, 1.0], // (0,0): nessuna verità, (0,1): nessuna ipotesi [0.5, 1.0]] // (1,0): addizione, (1,1): nessuna ipotesi