TensorFlow函數(shù)教程：tf.nn.learned_unigram_candidate_sampler

tf.nn.learned_unigram_candidate_sampler函數(shù)

tf.nn.learned_unigram_candidate_sampler(
    true_classes,
    num_true,
    num_sampled,
    unique,
    range_max,
    seed=None,
    name=None
)

定義在：tensorflow/python/ops/candidate_sampling_ops.py.

請(qǐng)參閱指南：神經(jīng)網(wǎng)絡(luò)>候選采樣

從訓(xùn)練期間學(xué)習(xí)的分布中抽取一組類樣本.

該操作從整數(shù)范圍[0, range_max)中隨機(jī)采樣一個(gè)采樣類(sampled_candidates)的張量.

sampled_candidates的元素是在沒有替換 (如果unique=True) 或替換 (如果unique=False) 的基礎(chǔ)分布中繪制的.

該操作的基本分布在訓(xùn)練期間即時(shí)構(gòu)建.這是迄今為止在訓(xùn)練期間看到的目標(biāo)類別的單一分布.[0,range_max]中的每個(gè)整數(shù)都以權(quán)重1開始,并且每次被視為目標(biāo)類時(shí)都會(huì)增加1.基本分布不會(huì)保存到檢查點(diǎn),因此在重新加載模型時(shí)會(huì)重置它.

此外,此操作返回張量true_expected_count并sampled_expected_count,表示每個(gè)目標(biāo)類(true_classes)和采樣類(sampled_candidates)預(yù)期在平均張量的采樣類中出現(xiàn)的次數(shù).如果unique=True,則這些是拒絕后概率,我們大致計(jì)算它們.

參數(shù)：

• true_classes：一個(gè)Tensor,類型為int64,shape為[batch_size, num_true].目標(biāo)類.
• num_true：int,每個(gè)訓(xùn)練示例的目標(biāo)類數(shù).
• num_sampled：int,隨機(jī)采樣的類數(shù).
• unique：bool,確定批處理中的所有采樣類是否都是唯一的.
• range_max：int,可能的類數(shù).
• seed：int,特定于操作的seed.默認(rèn)值為0.
• name：操作的名稱(可選).

返回：

• sampled_candidates：類型為int64和shape為[num_sampled]的Tensor.采樣類.
• true_expected_count：類型為float的Tensor.shape與true_classes相同.每個(gè)true_classes的采樣分布下的預(yù)期計(jì)數(shù).
• sampled_expected_count：類型為float的Tensor.shape與sampled_candidates相同.每個(gè)sampled_candidates的采樣分布下的預(yù)期計(jì)數(shù).