Zbierz wycinki z „params” do Tensora o kształcie określonym przez „indeksy”.
„indeksy” to k-wymiarowy tensor liczb całkowitych, najlepiej rozumiany jako (K-1)-wymiarowy tensor indeksów na „parametry”, gdzie każdy element definiuje wycinek „parametrów”:
wyjście[\\(i_0, ..., i_{K-2}\\)] = parametry[indeksy[\\(i_0, ..., i_{K-2}\\)]]
Podczas gdy w tf.gather
„indices” definiuje wycinki w wymiarze „osiowym” „params”, w tf.gather_nd
„indices” definiuje wycinki w pierwszych „N” wymiarach „params”, gdzie „N = indices.shape [-1]”.
Ostatni wymiar „indeksów” może mieć co najwyżej rangę „parametrów”:
indeksy.kształt[-1] <= params.rank
Ostatni wymiar `indices` odpowiada elementom (jeśli `indices.shape[-1] == params.rank`) lub wycinkom (jeśli `indices.shape[-1] < params.rank`) wzdłuż wymiaru `indexs. kształt[-1]` z `params`. Tensor wyjściowy ma kształt
indeksy.kształt[:-1] + parametry.kształt[indeksy.kształt[-1]:]
Należy pamiętać, że na procesorze, jeśli zostanie znaleziony indeks spoza limitu, zwracany jest błąd. Na GPU, jeśli zostanie znaleziony indeks poza granicami, w odpowiedniej wartości wyjściowej zostanie zapisane 0.
Poniżej kilka przykładów.
Proste indeksowanie do macierzy:
indices = [[0, 0], [1, 1]]
params = [['a', 'b'], ['c', 'd']]
output = ['a', 'd']
indices = [[1], [0]]
params = [['a', 'b'], ['c', 'd']]
output = [['c', 'd'], ['a', 'b']]
indices = [[1]]
params = [[['a0', 'b0'], ['c0', 'd0']],
[['a1', 'b1'], ['c1', 'd1']]]
output = [[['a1', 'b1'], ['c1', 'd1']]]
indices = [[0, 1], [1, 0]]
params = [[['a0', 'b0'], ['c0', 'd0']],
[['a1', 'b1'], ['c1', 'd1']]]
output = [['c0', 'd0'], ['a1', 'b1']]
indices = [[0, 0, 1], [1, 0, 1]]
params = [[['a0', 'b0'], ['c0', 'd0']],
[['a1', 'b1'], ['c1', 'd1']]]
output = ['b0', 'b1']
indices = [[[0, 0]], [[0, 1]]]
params = [['a', 'b'], ['c', 'd']]
output = [['a'], ['b']]
indices = [[[1]], [[0]]]
params = [['a', 'b'], ['c', 'd']]
output = [[['c', 'd']], [['a', 'b']]]
indices = [[[1]], [[0]]]
params = [[['a0', 'b0'], ['c0', 'd0']],
[['a1', 'b1'], ['c1', 'd1']]]
output = [[[['a1', 'b1'], ['c1', 'd1']]],
[[['a0', 'b0'], ['c0', 'd0']]]]
indices = [[[0, 1], [1, 0]], [[0, 0], [1, 1]]]
params = [[['a0', 'b0'], ['c0', 'd0']],
[['a1', 'b1'], ['c1', 'd1']]]
output = [[['c0', 'd0'], ['a1', 'b1']],
[['a0', 'b0'], ['c1', 'd1']]]
indices = [[[0, 0, 1], [1, 0, 1]], [[0, 1, 1], [1, 1, 0]]]
params = [[['a0', 'b0'], ['c0', 'd0']],
[['a1', 'b1'], ['c1', 'd1']]]
output = [['b0', 'b1'], ['d0', 'c1']]
tf.gather
i `tf.batch_gather`. Metody publiczne
Wyjście <T> | jako wyjście () Zwraca symboliczny uchwyt tensora. |
statyczny <T, U rozszerza numer> ZbierzNd <T> | |
Wyjście <T> | wyjście () Wartości z `params` zebrane z indeksów podanych przez `indices`, o kształcie `indices.shape[:-1] + params.shape[indices.shape[-1]:]`. |
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 GatherNd <T> create (zakres zakresu , parametry argumentu <T>, indeksy argumentu <U>)
Metoda fabryczna służąca do tworzenia klasy opakowującej nową operację GatherNd.
Parametry
zakres | aktualny zakres |
---|---|
parametry | Tensor, z którego mają być zbierane wartości. |
indeksy | Tensor indeksu. |
Powroty
- nowa instancja GatherNd
publiczne wyjście <T> wyjście ()
Wartości z `params` zebrane z indeksów podanych przez `indices`, o kształcie `indices.shape[:-1] + params.shape[indices.shape[-1]:]`.