mindspore.ops.ComputeAccidentalHits

class mindspore.ops.ComputeAccidentalHits(num_true=1)

计算与目标类完全匹配的抽样样本的位置id。

当目标类与抽样类匹配时，我们称之为"accidental hit"。accidental hit的计算结果包含三部分(indices、ids、weights)，其中index代表目标类中的行号，id代表候选抽样中的位置，weight为float类型中的最大值。

参数：

• num_true (int) - 每个训练样本的目标类数。默认值： 1 。

输入：

• true_classes (Tensor) - 目标类。数据类型为int64，shape为 \((batch\_size, num\_true)\) 。

• sampled_candidates (Tensor) - 算子的候选采样结果，代表训练样本的类别。其数据类型为int64，shape为 \((num\_sampled, )\) 。

输出：

3个Tensor组成的元组。

• indices (Tensor) - shape为 \((num\_accidental\_hits, )\) 的Tensor，数据类型为int32。

• ids (Tensor) - shape为 \((num\_accidental\_hits, )\) 的Tensor，数据类型为int64。

• weights (Tensor) - shape为 \((num\_accidental\_hits, )\) 的Tensor，类型为float32。

异常：

• TypeError - num_true 的数据类型不为int。

• TypeError - true_classes 或 sampled_candidates 不是Tensor。

• TypeError - true_classes 或 sampled_candidates 的数据类型既不是int32也不是int64。

支持平台：

Ascend

样例：

>>> import numpy as np
>>> from mindspore import Tensor, ops
>>> true_classes = np.array([[1, 2], [0, 4], [3, 3]])
>>> sampled_candidates = np.array([0, 1, 2, 3, 4])
>>> sampler = ops.ComputeAccidentalHits(2)
>>> indices, ids, weights = sampler(Tensor(true_classes), Tensor(sampled_candidates))
>>> print(indices, ids, weights)
[0 0 1 1 2 2]
[1 2 0 4 3 3]
[-3.4028235e+38 -3.4028235e+38 -3.4028235e+38 -3.4028235e+38 -3.4028235e+38 -3.4028235e+38]