文档反馈

问题文档片段

问题文档片段包含公式时,显示为空格。

提交类型
issue

有点复杂...

找人问问吧。

PR

小问题,全程线上修改...

一键搞定!

请选择提交类型

问题类型
规范和低错类

- 规范和低错类:

- 错别字或拼写错误,标点符号使用错误、公式错误或显示异常。

- 链接错误、空单元格、格式错误。

- 英文中包含中文字符。

- 界面和描述不一致,但不影响操作。

- 表述不通顺,但不影响理解。

- 版本号不匹配:如软件包名称、界面版本号。

易用性

- 易用性:

- 关键步骤错误或缺失,无法指导用户完成任务。

- 缺少主要功能描述、关键词解释、必要前提条件、注意事项等。

- 描述内容存在歧义指代不明、上下文矛盾。

- 逻辑不清晰,该分类、分项、分步骤的没有给出。

正确性

- 正确性:

- 技术原理、功能、支持平台、参数类型、异常报错等描述和软件实现不一致。

- 原理图、架构图等存在错误。

- 命令、命令参数等错误。

- 代码片段错误。

- 命令无法完成对应功能。

- 界面错误,无法指导操作。

- 代码样例运行报错、运行结果不符。

风险提示

- 风险提示:

- 对重要数据或系统存在风险的操作,缺少安全提示。

内容合规

- 内容合规:

- 违反法律法规,涉及政治、领土主权等敏感词。

- 内容侵权。

请选择问题类型

问题描述

点击输入详细问题描述,以帮助我们快速定位问题。

mindspore.ops.ComputeAccidentalHits

查看源文件
class mindspore.ops.ComputeAccidentalHits(num_true=1)[源代码]

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indices、ids、weights三部分,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,可选) - 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_classessampled_candidates 不是Tensor。

  • TypeError - true_classessampled_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]