Partisi `data` menjadi `num_partitions` tensor menggunakan indeks dari `partisi`.
Untuk setiap tuple indeks `js` berukuran `partitions.ndim`, irisan `data[js, ...]` menjadi bagian dari `outputs[partitions[js]]`. Irisan dengan `partitions[js] = i` ditempatkan di `outputs[i]` dalam urutan leksikografis `js`, dan dimensi pertama `outputs[i]` adalah jumlah entri dalam `partisi` sama dengan `saya`. Secara detail, `data.shape` l10n
outputs[i].shape = [sum(partitions == i)] + data.shape[partitions.ndim:]
outputs[i] = pack([data[js, ...] for js if partitions[js] == i])
harus dimulai dengan `partitions.shape`.Misalnya:
# Scalar partitions.
partitions = 1
num_partitions = 2
data = [10, 20]
outputs[0] = [] # Empty with shape [0, 2]
outputs[1] = [[10, 20]]
# Vector partitions.
partitions = [0, 0, 1, 1, 0]
num_partitions = 2
data = [10, 20, 30, 40, 50]
outputs[0] = [10, 20, 50]
outputs[1] = [30, 40]
Lihat `dynamic_stitch` untuk contoh tentang cara menggabungkan kembali partisi. 
Metode Publik
statis <T> Partisi Dinamis <T> | |
Iterator< Operan <T>> | pengulangan () |
Daftar< Keluaran <T>> | keluaran () |
Metode yang Diwarisi
Metode Publik
DynamicPartition <T> publik statis buat ( Cakupan cakupan, data Operand <T>, partisi Operand <Integer>, Partisi num panjang)
Metode pabrik untuk membuat kelas yang membungkus operasi DynamicPartition baru.
Parameter
cakupan | lingkup saat ini |
---|---|
partisi | Bentuk apapun. Indeks dalam rentang `[0, num_partitions)`. |
jumlah Partisi | Jumlah partisi yang akan dihasilkan. |
Kembali
- contoh baru DynamicPartition