DynamicStitch

DynamicStitch kelas akhir publik

Sisipkan nilai dari tensor `data` ke dalam satu tensor.

Membangun tensor gabungan sehingga

merged[indices[m][i, ..., j], ...] = data[m][i, ..., j, ...]
 

Misalnya, jika setiap `indeks[m]` adalah skalar atau vektor, kami memiliki

# Scalar indices:
     merged[indices[m], ...] = data[m][...]
 
     # Vector indices:
     merged[indices[m][i], ...] = data[m][i, ...]
 

Setiap `data[i].shape` harus dimulai dengan `indeks[i] yang sesuai. shape`, dan `data[i].shape` lainnya harus konstan wrt `i`. Artinya, kita harus memiliki `data[i].shape = indices[i].shape + constant`. Dalam hal `konstanta` ini, bentuk outputnya adalah

merged.shape = [maks(indeks)] + konstanta

Nilai digabungkan secara berurutan, jadi jika indeks muncul di `indeks[m][i]` dan `indeks[n][j]` untuk `(m,i) < (n,j)` irisan `data [n][j]` akan muncul di hasil gabungan. Jika Anda tidak memerlukan jaminan ini, ParallelDynamicStitch mungkin berkinerja lebih baik di beberapa perangkat.

Contoh:

indices[0] = 6
     indices[1] = [4, 1]
     indices[2] = [[5, 2], [0, 3]]
     data[0] = [61, 62]
     data[1] = [[41, 42], [11, 12]]
     data[2] = [[[51, 52], [21, 22]], [[1, 2], [31, 32]]]
     merged = [[1, 2], [11, 12], [21, 22], [31, 32], [41, 42],
               [51, 52], [61, 62]]
 

Metode ini dapat digunakan untuk menggabungkan partisi yang dibuat oleh `dynamic_partition` seperti yang diilustrasikan pada contoh berikut:

# Apply function (increments x_i) on elements for which a certain condition
     # apply (x_i != -1 in this example).
     x=tf.constant([0.1, -1., 5.2, 4.3, -1., 7.4])
     condition_mask=tf.not_equal(x,tf.constant(-1.))
     partitioned_data = tf.dynamic_partition(
         x, tf.cast(condition_mask, tf.int32) , 2)
     partitioned_data[1] = partitioned_data[1] + 1.0
     condition_indices = tf.dynamic_partition(
         tf.range(tf.shape(x)[0]), tf.cast(condition_mask, tf.int32) , 2)
     x = tf.dynamic_stitch(condition_indices, partitioned_data)
     # Here x=[1.1, -1., 6.2, 5.3, -1, 8.4], the -1. values remain
     # unchanged.
 

Metode Publik

Keluaran <T>	sebagai Keluaran () Mengembalikan pegangan simbolis tensor.
statis <T> Jahitan Dinamis <T>	buat ( Scope scope, Iterable< Operand <Integer>> indeks, Iterable< Operand <T>> data) Metode pabrik untuk membuat kelas yang membungkus operasi DynamicStitch baru.
Keluaran <T>	digabungkan ()

Metode yang Diwarisi

Dari kelas org.tensorflow.op.PrimitiveOp

boolean akhir	sama (objek objek)
akhir	kode hash ()
Operasi	op () Mengembalikan Operation yang mendasarinya
string terakhir	toString ()

Dari kelas java.lang.Object

boolean	sama dengan (Objek arg0)
Kelas terakhir<?>	dapatkanKelas ()
ke dalam	kode hash ()
kekosongan akhir	beri tahu ()
kekosongan akhir	beri tahu Semua ()
Rangkaian	toString ()
kekosongan akhir	tunggu (arg panjang0, int arg1)
kekosongan akhir	tunggu (arg panjang0)
kekosongan akhir	tunggu ()

Dari antarmuka org.tensorflow.Operand

Keluaran abstrak <T>

sebagai Keluaran () Mengembalikan pegangan simbolis tensor.

Metode Publik

Output publik <T> sebagai Output ()

Mengembalikan pegangan simbolis tensor.

Input ke operasi TensorFlow adalah output dari operasi TensorFlow lainnya. Metode ini digunakan untuk mendapatkan pegangan simbolis yang mewakili perhitungan input.

public static DynamicStitch <T> buat ( Scope scope, Iterable< Operand <Integer>> indeks, Iterable< Operand <T>> data)

Metode pabrik untuk membuat kelas yang membungkus operasi DynamicStitch baru.

Parameter

cakupan	lingkup saat ini

Kembali

• contoh baru DynamicStitch

Output publik <T> digabungkan ()