SegmentMaxV2

পাবলিক ফাইনাল ক্লাস সেগমেন্ট ম্যাক্সভি২

একটি টেনসরের অংশগুলির সাথে সর্বাধিক গণনা করে।

সেগমেন্টের ব্যাখ্যার জন্য [সেগমেন্টেশনের বিভাগ](https://tensorflow.org/api_docs/python/tf/math#Segmentation) পড়ুন।

একটি টেনসর গণনা করে যেমন \\(output_i = \max_j(data_j)\\) যেখানে `max` `j` এর উপরে যেমন `segment_ids[j] == i`।

যদি একটি প্রদত্ত সেগমেন্ট আইডি `i`-এর জন্য সর্বোচ্চটি খালি থাকে, তাহলে এটি নির্দিষ্ট সাংখ্যিক প্রকারের জন্য সম্ভাব্য ক্ষুদ্রতম মান আউটপুট করে, `আউটপুট[i] = numeric_limits ::সর্বনিম্ন()`।

দ্রষ্টব্য: এই অপটি বর্তমানে শুধুমাত্র jit_compile=True এর সাথে সমর্থিত।

সতর্কতা: CPU-তে, `segment_ids`-এর মানগুলি সর্বদা বাছাই করার জন্য যাচাই করা হয়, এবং যে সূচকগুলি বাড়ছে না তাদের জন্য একটি ত্রুটি নিক্ষেপ করা হয়৷ GPU-তে, এটি সাজানো না হওয়া সূচকগুলির জন্য একটি ত্রুটি নিক্ষেপ করে না। GPU-তে, অর্ডারের বাইরের সূচকগুলি নিরাপদ কিন্তু অনির্দিষ্ট আচরণের ফলস্বরূপ, যার মধ্যে অ-অফ-অর্ডার সূচকগুলিকে একটি ছোট নিম্নলিখিত সূচকের মতো বিবেচনা করা অন্তর্ভুক্ত থাকতে পারে।

SegmentMax-এর সাথে শুধুমাত্র পার্থক্য হল অতিরিক্ত ইনপুট `num_segments`। এটি কম্পাইল সময়ে আউটপুট আকার মূল্যায়ন করতে সাহায্য করে। `num_segments` segment_ids এর সাথে সামঞ্জস্যপূর্ণ হওয়া উচিত। উদাঃ সর্বোচ্চ(segment_ids) একটি 1-d segment_ids-এর জন্য `num_segments` - 1 এর সমান হওয়া উচিত, অসামঞ্জস্যপূর্ণ num_segment সহ, op এখনও চলে। শুধুমাত্র পার্থক্য হল, আউটপুট সেগমেন্ট_আইডি এবং ডেটার আকার নির্বিশেষে সংখ্যা_সেগমেন্টের আকার নেয়। প্রত্যাশিত আউটপুট আকারের চেয়ে কম num_segmentগুলির জন্য, শেষ উপাদানগুলি প্রত্যাশিত আউটপুট আকারের চেয়ে বেশি num_segmentগুলির জন্য উপেক্ষা করা হয়, শেষ উপাদানগুলি নির্দিষ্ট সংখ্যাসূচক প্রকারের জন্য সম্ভাব্য সবচেয়ে ছোট মান নির্ধারণ করা হয়।

উদাহরণ স্বরূপ:

>>> @tf.function(jit_compile=True) ... def test(c): ... ফেরত tf.raw_ops.SegmentMaxV2(data=c, segment_ids=tf.constant([0, 0, 1]), num_segments=2) >>> c = tf.constant([[1,2,3,4], [4, 3, 2, 1], [5,6,7,8]]) >>> পরীক্ষা( c).numpy() অ্যারে([[4, 3, 3, 4], [5, 6, 7, 8]], dtype=int32)

পাবলিক পদ্ধতি

আউটপুট <T>
আউটপুট হিসাবে ()
একটি টেনসরের প্রতীকী হ্যান্ডেল প্রদান করে।
স্ট্যাটিক <T সংখ্যা প্রসারিত করে, U সংখ্যা প্রসারিত করে, V সংখ্যা প্রসারিত করে> সেগমেন্টম্যাক্সভি 2 <T>
তৈরি করুন ( স্কোপ স্কোপ, Operand <T> ডেটা, Operand <U> segmentIds, Operand <V> numSegments)
একটি নতুন SegmentMaxV2 অপারেশন মোড়ানো একটি ক্লাস তৈরি করার কারখানার পদ্ধতি।
আউটপুট <T>
আউটপুট ()
প্রথম `segment_ids.rank` মাত্রা ব্যতীত ডেটার মতো একই আকৃতি আছে, যা একটি একক মাত্রা দিয়ে প্রতিস্থাপিত হয় যার আকার `num_segments` আছে।

উত্তরাধিকারসূত্রে প্রাপ্ত পদ্ধতি

পাবলিক পদ্ধতি

সর্বজনীন আউটপুট <T> হিসাবে আউটপুট ()

একটি টেনসরের প্রতীকী হ্যান্ডেল প্রদান করে।

TensorFlow অপারেশনের ইনপুট হল অন্য TensorFlow অপারেশনের আউটপুট। এই পদ্ধতিটি একটি প্রতীকী হ্যান্ডেল পেতে ব্যবহৃত হয় যা ইনপুটের গণনাকে প্রতিনিধিত্ব করে।

পাবলিক স্ট্যাটিক সেগমেন্ট ম্যাক্সভি2 <T> তৈরি করুন ( স্কোপ স্কোপ, অপারেন্ড <T> ডেটা, অপারেন্ড <U> সেগমেন্টআইডি, অপারেন্ড <V> সংখ্যা সেগমেন্ট)

একটি নতুন SegmentMaxV2 অপারেশন মোড়ানো একটি ক্লাস তৈরি করার কারখানার পদ্ধতি।

পরামিতি
সুযোগ বর্তমান সুযোগ
সেগমেন্ট আইডি একটি 1-ডি টেনসর যার আকার `ডেটা` এর প্রথম মাত্রার আকারের সমান। মানগুলি সাজানো উচিত এবং পুনরাবৃত্তি করা যেতে পারে। মান অবশ্যই `num_segment`-এর থেকে কম হতে হবে।

সতর্কতা: মানগুলি সর্বদা সিপিইউতে সাজানোর জন্য যাচাই করা হয়, কখনও জিপিইউতে যাচাই করা হয় না।

রিটার্নস
  • SegmentMaxV2 এর একটি নতুন উদাহরণ

সর্বজনীন আউটপুট <T> আউটপুট ()

প্রথম `segment_ids.rank` মাত্রা ব্যতীত ডেটার মতো একই আকৃতি আছে, যা একটি একক মাত্রা দিয়ে প্রতিস্থাপিত হয় যার আকার `num_segments` আছে।