SegmentMaxV2

kelas akhir publik SegmentMaxV2

Menghitung maksimum sepanjang segmen tensor.

Baca [bagian segmentasi](https://tensorflow.org/api_docs/python/tf/math#Segmentation) untuk penjelasan tentang segmen.

Menghitung tensor sehingga \\(output_i = \max_j(data_j)\\) dengan `max` melebihi `j` sehingga `segment_ids[j] == i`.

Jika nilai maksimum kosong untuk ID segmen tertentu `i`, nilai tersebut akan menghasilkan nilai terkecil yang mungkin untuk jenis numerik tertentu, `output[i] = batas_numerik ::terendah()`.

Catatan: Operasi ini saat ini hanya didukung dengan jit_compile=True.

Perhatian: Pada CPU, nilai dalam `segment_ids` selalu divalidasi untuk diurutkan, dan kesalahan terjadi untuk indeks yang tidak meningkat. Pada GPU, ini tidak menimbulkan kesalahan untuk indeks yang tidak diurutkan. Pada GPU, indeks yang tidak berurutan menghasilkan perilaku yang aman namun tidak ditentukan, yang mungkin mencakup memperlakukan indeks yang tidak berurutan sama dengan indeks berikut yang lebih kecil.

Satu-satunya perbedaan dengan SegmentMax adalah input tambahan `num_segments`. Ini membantu dalam mengevaluasi bentuk keluaran dalam waktu kompilasi. `num_segments` harus konsisten dengan segment_ids. misalnya Maks(segment_ids) harus sama dengan `num_segments` - 1 untuk segment_ids 1 hari Dengan num_segments yang tidak konsisten, operasi tetap berjalan. satu-satunya perbedaan adalah, output mengambil ukuran num_segments terlepas dari ukuran segment_ids dan data. untuk num_segments kurang dari ukuran keluaran yang diharapkan, elemen terakhir diabaikan untuk num_segments lebih besar dari ukuran keluaran yang diharapkan, elemen terakhir diberi nilai sekecil mungkin untuk tipe numerik tertentu.

Misalnya:

>>> @tf.function(jit_compile=True) ... def test(c): ... mengembalikan tf.raw_ops.SegmentMaxV2(data=c, segment_ids=tf.constant([0, 0, 1]), jumlah_segmen=2) >>> c = tf.constant([[1,2,3,4], [4, 3, 2, 1], [5,6,7,8]]) >>> tes( c).numpy() larik([[4, 3, 3, 4], [5, 6, 7, 8]], tiped=int32)

Metode Publik

Keluaran <T>
sebagai Keluaran ()
Mengembalikan pegangan simbolik tensor.
statis <T memperluas Nomor, U memperluas Nomor, V memperluas Nomor> SegmentMaxV2 <T>
buat ( Lingkup lingkup, Operand <T> data, Operand <U> segmentIds, Operand <V> numSegments)
Metode pabrik untuk membuat kelas yang membungkus operasi SegmentMaxV2 baru.
Keluaran <T>
keluaran ()
Bentuknya sama dengan data, kecuali dimensi `segment_ids.rank` pertama, yang diganti dengan dimensi tunggal yang berukuran `num_segments`.

Metode Warisan

Metode Publik

Keluaran publik <T> sebagai Keluaran ()

Mengembalikan pegangan simbolik tensor.

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

public static SegmentMaxV2 <T> buat ( Lingkup cakupan , Operand <T> data, Operand <U> segmentIds, Operand <V> numSegments)

Metode pabrik untuk membuat kelas yang membungkus operasi SegmentMaxV2 baru.

Parameter
cakupan ruang lingkup saat ini
segmenId Tensor 1-D yang ukurannya sama dengan ukuran dimensi pertama `data`. Nilai harus diurutkan dan dapat diulang. Nilainya harus kurang dari `num_segments`.

Perhatian: Nilai selalu divalidasi untuk diurutkan pada CPU, tidak pernah divalidasi pada GPU.

Kembali
  • contoh baru dari SegmentMaxV2

Keluaran publik <T> keluaran ()

Bentuknya sama dengan data, kecuali dimensi `segment_ids.rank` pertama, yang diganti dengan dimensi tunggal yang berukuran `num_segments`.