TensorFlow函数：tf.nn.compute_accidental_hits

tf.nn.compute_accidental_hits函数

tf.nn.compute_accidental_hits(
    true_classes,
    sampled_candidates,
    num_true,
    seed=None,
    name=None
)

定义在：tensorflow/python/ops/candidate_sampling_ops.py.

请参阅指南：神经网络>候选抽样

计算与true_classes匹配的sampled_candidate中的位置id.

在Candidate Sampling中,此操作实际上有助于删除恰好与目标类匹配的抽样类.这在Sampled Softmax和Sampled Logistic中完成.

我们预先假定sampled_candidates是独一无二的.

当其中一个目标类与其中一个抽样类匹配时,我们将其称为“意外命中”.此操作将意外命中报告为三元组(index, id, weight),其中index表示true_classes中的行号,id表示sampled_candidates中的位置,权重为-FLOAT_MAX.

此op的结果应该通过一个sparse_to_dense操作来传递,然后添加到抽样类的logits中.这消除了意外采样真实目标类作为同一示例的噪声类的矛盾效果.

参数：

• true_classes：一个Tensor,器类型为int64,并且形状为[batch_size, num_true]；是目标类.
• sampled_candidates：一个Tensor,类型为int64,并且形状为[num_sampled]；CandidateSampler的sampled_candidates输出.
• num_true：int,每个训练示例的目标类数.
• seed：int,特定于操作的seed；默认值为0.
• name：操作的名称(可选).

返回：

• indices：一个Tensor,其类型为int32,并且形状为[num_accidental_hits]；值表示true_classes中的行.
• ids：一个Tensor,类型为int64,并且形状为[num_accidental_hits]；值表示sampled_candidates中的位置.
• weights：一个Tensor,其类型为float,并且形状为[num_accidental_hits]；每个值都是-FLOAT_MAX.