mindspore.ops.ComputeAccidentalHits

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int32或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int32或int64,shape为 \((num\_sampled, )\)

输出:

3个Tensor组成的元组。

  • indices (Tensor) - shape为 \((num\_accidental\_hits, )\) 的Tensor,具有与 true_classes 相同的类型。

  • ids (Tensor) - shape为 \((num\_accidental\_hits, )\) 的Tensor,具有与 true_classes 相同的类型。

  • 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:

>>> 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]