TensorFlow中与CRF有关的操作

tf.contrib.crf.CrfForwardRnnCell

tf.contrib.crf.CrfForwardRnnCell 类

定义在：tensorflow/contrib/crf/python/ops/crf.py

参考指南：CRF(contrib)

计算线性链 CRF 中的 alpha 值.

属性

• graph
  
• losses
  
• non_trainable_variables
  
• non_trainable_weights
  
• output_size
  
• scope_name
  
• state_size
  
• trainable_variables
  
• trainable_weights
  
• updates
  
• variables
  

返回所有图层变量/权重的列表.

返回：

变量列表.

weights

返回所有图层变量/权重的列表.

返回：

变量列表.

方法

__init__

__init__ ( transition_params )

初始化 CrfForwardRnnCell.

ARGS：

• transition_params：二进制的一个 [num_tags,num_tags] 矩阵.该矩阵被扩展为 [1,num_tags,num_tags],以准备在单元内发生的广播求和.

__call__

__call__ (
      inputs,
      state,
      scope = None
  )

构建 CrfForwardRnnCell.

ARGS：

• inputs：一元电位的 [batch_size, num_tags] 矩阵.
• state：包含以前的 alpha 值的 [batch_size,num_tags] 矩阵.
• scope：这个单元格的未使用的变量范围.

返回：

new_alphas, new_alphas: 一对 [batch_size, num_tags] 矩阵值, 包含新的 alpha 值.

__deepcopy__

__deepcopy__ (memo)

add_loss

add_loss (
      losses,
      inputs = None
  )

添加损失张量,可能依赖于层输入.

一些损失(例如,活动正则化损失)可能取决于调用层时传递的输入.因此,用复在不同的输入侧的相同的层时a状语从句：b,一些在条目layer.losses可以取决于a状语从句：一些上b.该方法自动跟踪依赖关系.因此,当在不同的输入 a 和 b 上重用同一层时,一些在 layer.losses 中的条目可能有的依赖于 a,有的依赖于 b.此方法自动跟踪依赖项.

该 get_losses_for 方法允许检索与特定输入集相关的损失.

参数：

• losses：张量的损失或张量的列表/元组.
• inputs：损失依赖的可选输入张量,必须匹配在创建³³损失时inputs传递给__call__方法的参数.必须匹配在创建损失时传递给 __call__ 方法的输入参数.如果 None 被传递,则假设损失是无条件的, 并将适用于所有的 dataflows 层 (如权重正则化损失).

add_update

add_update (
      updatas,
      inputs = None
  )

添加更新操作,可能依赖于输入层.

权重更新(例如,BatchNormalization 层中移动平均值和方差的更新)可能依赖于调用层时传递的输入.因此, 当在不同的输入 a 和 b 上重用同一层时,一些 layer.updates 中的条目可能有的依赖于 a 有的依赖于 b .此方法自动跟踪依赖项.

该get_updates_for方法允许检索与特定输入集相关的更新.

参数：

• updates：更新操作,或更新操作的列表/元组.
• inputs：更新所依赖的可选输入张量,在创建更新时必须匹配传递给 __call__ 方法的输入参数.如果 None 被传递,则更新被假定为无条件的,并将适用于该层的所有数据流.

add_variable

add_variable (
      name ,
      shape ,
      dtype = None ,
      initializer = None ,
      regularizer = None ,
      trainable = True
 )

向图层添加一个新的变量,或者获取一个现有的变量；返回它.

参数：

• name：变量名
• shape：变量形状.
• dtype：变量的类型,默认为 self.dtype.
• initializer：初始值设定实例(可调用).
• regularizer：正则化实例(可调用).
• trainable：变量是否应该是层的 “trainable_variables”(例如变量,偏差)或 “non_trainable_variables”(例如 BatchNorm 的意思是偏差)的一部分.

返回：

创建的变量.

apply

apply (
      inputs ,
    * args ,
    ** kwargs
  )

在输入上应用图层.

这只是包装 self.__call__.

参数：

• inputs：输入张量.
• *args：要传递给 self.call 的其他位置变量.
• ** kwargs：要传递 self.call 的附加关键字参数.

返回：

输出张量(S).

build

build( _ )

call

call(
      inputs,
    ** kwargs
  )

层的逻辑存在在这里.

参数：

• inputs：输入张量(s).
• ** kwargs：附加的关键字参数.

返回：

输出张量(S).

get_losses_for

get_losses_for (inputs)

检索与特定输入集相关的损失.

参数：

• inputs：输入张量或输入张量的列表/元组.必须匹配在创建损失时传递给 __call__ 方法的输入参数.如果您通过 inputs = None,则无条件的损失返回,例如权重正则化损失.

返回：

依赖输入的层的损失张量列表.

get_updates_for

get_updates_for (inputs)

检索与特定输入集相关的更新.

参数：

• inputs：输入张量或输入张量的列表/元组.必须匹配在创建更新时传递给 __call__ 方法的输入参数.如果传递 inputs = None,则返回无条件更新.

返回：

依赖于输入的层的更新操作列表.

zero_state

zero_state (
      batch_size ,
    dtype
)

返回零填充状态张量.

ARGS：

• batch_size：表示批量大小的 int,float 或 unit Tensor.
• dtype：用于状态的数据类型.

返回：

如果 state_size 是 int 或 TensorShape,则返回值是用零填充的形式 [batch_size x state_size] 的一个N维向量.
如果 state_size 是嵌套列表或元组,则返回值是2维张量的嵌套列表或元组 (同一结构),其形式 [batch_size x s] 用于 state_size 中的每个 s.

tf.contrib.crf.crf_binary_score

crf_binary_score (
      tag_indices ,
      sequence_lengths ,
    transition_params
)

定义在：tensorflow/contrib/crf/python/ops/crf.py

参考指南：CRF(contrib)

计算 CRF 中标签序列的二进制分数.

ARGS：

• tag_indices：标签索引的 [batch_size, max_seq_len] 矩阵.
• sequence_lengths：真正序列长度的 [batch_size] 向量.
• transition_params：二进制电位的 [num_tags,num_tags] 矩阵.

返回：

• binary_scores：二进制分数的 [batch_size] 向量.

tf.contrib.crf.crf_log_likelihood

crf_log_lmelihood (
      inputs ,
      tag_indices ,
      sequence_lengths ,
      transition_params = None
  )

定义在：tensorflow/contrib/crf/python/ops/crf.py.

参见指南：CRF(contrib)

计算 CRF 中标签序列的对数似然.

ARGS：

• inputs：用作 CRF 层输入的一元电位 [batch_size,max_seq_len,num_tags] 张量.
• tag_indices：我们计算对数似然的标签索引的 [batch_size,max_seq_len] 矩阵.
• sequence_lengths：真正序列长度的 [batch_size] 矢量.
• transition_params：一个 [num_tags,num_tags] 转换矩阵,如果可用.

返回：

• log_likelihood：包含给定序列标签索引的对数似然的标量.
• transition_params：一个 [num_tags,num_tags] 转换矩阵.这是由调用者提供或在此函数中创建的.

tf.contrib.crf.crf_log_norm

crf_log_norm (
      inputs ,
      sequence_lengths ,
    transition_params
)

定义在：tensorflow/contrib/crf/python/ops/crf.py

参考指南：CRF(contrib)

计算CRF的标准化.

ARGS：

• inputs：用作CRF层输入的一元电位的 [batch_size,max_seq_len,num_tags] 张量.
• sequence_lengths：真正序列长度的 [batch_size] 向量.
• transition_params：一个 [num_tags,num_tags] 转换矩阵.

返回：

• log_norm：用于 CRF 标准化的 [batch_size] 向量.

tf.contrib.crf.crf_sequence_score

crf_sequence_score (
      inputs ,
      tag_indices ,
      sequence_lengths ,
    transition_params
)

定义在：tensorflow/contrib/crf/python/ops/crf.py

参考指南：CRF(contrib)

计算标签序列的非规范化分数.

ARGS：

• inputs：用作 CRF 层输入的一元电位的 [batch_size,max_seq_len,num_tags] 张量.
• tag_indices：我们计算非规范化分数的 [batch_size,max_seq_len] 矩阵的标签索引.
• sequence_lengths：真正序列长度的 [batch_size] 向量.
• transition_params：一个 [num_tags,num_tags] 转换矩阵.

返回：

• sequence_scores：非规范化序列分数的 [batch_size] 向量.

tf.contrib.crf.crf_unary_score

crf_unary_score (
      tag_indices ,
      sequence_lengths ,
    inputs
)

中定义.tensorflow/contrib/crf/python/ops/crf.py

参考指南：CRF(contrib)

计算标签序列的一元分数.

ARGS：

• tag_indices：标签索引的 [batch_size,max_seq_len] 矩阵.
• sequence_lengths：真正序列长度的 [batch_size] 向量.
• inputs：一元电位的 [batch_size, max_seq_len, num_tags] 张量.

返回：

• unary_scores：一元分数的 [batch_size] 向量.

tf.contrib.crf.viterbi_decode

viterbi_decode (
      score,
    transition_params
)

定义在tensorflow/contrib/crf/python/ops/crf.py

参考指南：CRF(contrib)

解码 TensorFlow 之外的标记的最高得分序列.

这只能在测试时使用.

ARGS：

• score：一元电位的 [seq_len,num_tags] 矩阵.
• transition_params：二进制电位的 [num_tags,num_tags] 矩阵.

返回：

• viterbi：包含最高得分标记索引的 [seq_len] 整数列表.
• viterbi_score：包含维特比序列得分的浮点数.