DynamicStitch

publiczna klasa końcowa DynamicStitch

Przeplataj wartości z tensorów „danych” w pojedynczy tensor.

Tworzy połączony tensor w taki sposób, że

merged[indices[m][i, ..., j], ...] = data[m][i, ..., j, ...]
 
Na przykład, jeśli każdy „indeks [m]” jest skalarny lub wektorowy, mamy
# Scalar indices:
     merged[indices[m], ...] = data[m][...]
 
     # Vector indices:
     merged[indices[m][i], ...] = data[m][i, ...]
 
Każdy `data[i].shape` musi zaczynać się od odpowiednich `indices[i].shape`, a reszta `data[i].shape` musi być stała z `i`. Oznacza to, że musimy mieć `dane[i].kształt = indeksy[i].kształt + stała”. W odniesieniu do tej „stałej” kształt wyjściowy wynosi

merged.shape = [max(indeksy) + 1] + stała

Wartości są łączone w kolejności, więc jeśli indeks pojawia się zarówno w `indices[m][i]`, jak i `indices[n][j]` dla `(m,i) < (n,j)`, wycinek `data W połączonym wyniku pojawi się [n][j]`. Jeśli nie potrzebujesz tej gwarancji, ParallelDynamicStitch może działać lepiej na niektórych urządzeniach.

Na przykład:

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]]
 
Tej metody można użyć do łączenia partycji utworzonych przez `partycję_dynamiczną`, jak pokazano w poniższym przykładzie:
# 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.
 

Metody publiczne

Wyjście <T>
jako wyjście ()
Zwraca symboliczny uchwyt tensora.
statyczny <T> DynamicStitch <T>
utwórz (zakres zakresu , indeksy Iterable< Operand <Integer>>, dane Iterable< Operand <T>>)
Metoda fabryczna służąca do tworzenia klasy zawijającej nową operację DynamicStitch.
Wyjście <T>

Metody dziedziczone

Metody publiczne

publiczne wyjście <T> asOutput ()

Zwraca symboliczny uchwyt tensora.

Dane wejściowe operacji TensorFlow są wynikami innej operacji TensorFlow. Ta metoda służy do uzyskania symbolicznego uchwytu reprezentującego obliczenia danych wejściowych.

public static DynamicStitch <T> utwórz (zakres zakresu , indeksy Iterable< Operand <Integer>>, dane Iterable< Operand <T>>)

Metoda fabryczna służąca do tworzenia klasy zawijającej nową operację DynamicStitch.

Parametry
zakres aktualny zakres
Powroty
  • nowa instancja DynamicStitch

publiczne wyjście <T> połączone ()