ParallelDynamicStitch

kelas akhir publik ParallelDynamicStitch

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 dapat digabungkan secara paralel, jadi jika indeks muncul di `indeks[m][i]` dan `indeks[n][j]`, hasilnya mungkin tidak valid. Ini berbeda dari operator DynamicStitch normal yang mendefinisikan perilaku dalam kasus itu.

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> ParallelDynamicStitch <T>	buat ( Scope scope, Iterable< Operand <Integer>> indeks, Iterable< Operand <T>> data) Metode pabrik untuk membuat kelas yang membungkus operasi ParallelDynamicStitch 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 ParallelDynamicStitch <T> create ( Scope scope, Iterable< Operand <Integer>> indeks, Iterable< Operand <T>> data)

Metode pabrik untuk membuat kelas yang membungkus operasi ParallelDynamicStitch baru.

Parameter

cakupan	lingkup saat ini

Kembali

• contoh baru ParallelDynamicStitch

Output publik <T> digabungkan ()