StridedSlice

StridedSlice คลาสสุดท้ายสาธารณะ

ส่งกลับส่วนที่เป็นลายเส้นจาก "อินพุต"

โปรดทราบว่าผู้ใช้ python ส่วนใหญ่ต้องการใช้ Python Tensor.__getitem__ หรือ Variable.__getitem__ แทนที่จะใช้ op นี้โดยตรง

เป้าหมายของการดำเนินการนี้คือการสร้างเทนเซอร์ใหม่ด้วยเซตย่อยขององค์ประกอบจากเทนเซอร์อินพุต 'n' มิติ เซ็ตย่อยถูกเลือกโดยใช้ลำดับของข้อกำหนดเฉพาะช่วงกระจัดกระจาย 'm' ที่เข้ารหัสลงในอาร์กิวเมนต์ของฟังก์ชันนี้ โปรดทราบว่าในบางกรณี `m` อาจเท่ากับ 'n` แต่ก็ไม่จำเป็นต้องเป็นเช่นนั้น แต่ละรายการข้อกำหนดเฉพาะช่วงสามารถเป็นหนึ่งในรายการต่อไปนี้:

- จุดไข่ปลา (...) จุดไข่ปลาใช้เพื่อบอกเป็นนัยถึงมิติข้อมูลของการเลือกขนาดเต็มเป็นศูนย์หรือมากกว่า และสร้างขึ้นโดยใช้ `ellipsis_mask` ตัวอย่างเช่น `foo[...]` คือส่วนข้อมูลประจำตัว

- แกนใหม่ ใช้เพื่อแทรกรูปร่างใหม่=1 มิติ และสร้างขึ้นโดยใช้ `new_axis_mask` ตัวอย่างเช่น `foo[:, ...]` โดยที่ `foo` มีรูปร่าง `(3, 4)` จะสร้างเทนเซอร์ `(1, 3, 4)`

- ช่วง `เริ่มต้น:สิ้นสุด:ก้าวย่าง` ใช้เพื่อระบุจำนวนที่จะเลือกจากมิติข้อมูลที่กำหนด `stride` อาจเป็นจำนวนเต็มใดก็ได้ แต่ 0 `begin` เป็นจำนวนเต็มซึ่งแสดงถึงดัชนีของค่าแรกที่เลือก ในขณะที่ `end` แสดงถึงดัชนีของค่าสุดท้ายที่จะเลือก จำนวนค่าที่เลือกในแต่ละมิติคือ `end - start` ถ้า `stride > 0` และ `begin - end` ถ้า `stride < 0` `begin` และ `end` อาจเป็นค่าลบ โดยที่ `-1` เป็นองค์ประกอบสุดท้าย `-2` คือองค์ประกอบที่สองต่อท้าย `begin_mask` ควบคุมว่าจะแทนที่ `begin` ที่กำหนดไว้อย่างชัดเจนด้วยค่าประสิทธิผลโดยนัยเป็น `0` หาก `stride > 0` และ `-1` หาก `stride < 0` `end_mask` นั้นคล้ายคลึงกัน แต่สร้างตัวเลขที่จำเป็นในการสร้างช่วงเวลาเปิดที่ใหญ่ที่สุด ตัวอย่างเช่น เมื่อกำหนดรูปร่าง `(3,)` เทนเซอร์ `foo[:]` แล้ว `begin` และ `end` ที่มีประสิทธิผลคือ `0` และ `3` อย่าถือว่าสิ่งนี้เทียบเท่ากับ `foo[0:-1]` ซึ่งมี `begin` และ `end` ที่มีประสิทธิภาพเป็น `0` และ `2` อีกตัวอย่างหนึ่งคือ `foo[-2::-1]` ซึ่งกลับมิติแรกของเมตริกซ์โดยทิ้งสองตัวสุดท้าย (ในองค์ประกอบลำดับดั้งเดิม) ตัวอย่างเช่น `foo = [1,2,3,4]; foo[-2::-1]` คือ `[4,3]`

- ดัชนีเดียว ใช้เพื่อเก็บเฉพาะองค์ประกอบที่มีดัชนีที่กำหนด ตัวอย่างเช่น (`foo[2, :]` บนรูปร่าง `(5,6)` เทนเซอร์จะสร้างรูปร่าง `(6,)` เทนเซอร์ ซึ่งมีการเข้ารหัสใน `begin` และ `end` และ `shrink_axis_mask`

ข้อกำหนดช่วงแนวคิดแต่ละข้อถูกเข้ารหัสในอาร์กิวเมนต์ของ op การเข้ารหัสนี้เป็นที่เข้าใจได้ดีที่สุดโดยการพิจารณาตัวอย่างที่ไม่สำคัญ โดยเฉพาะอย่างยิ่ง `foo[1, 2:4, None, ..., :-3:-1, :]` จะถูกเข้ารหัสเป็น

begin = [1, 2, x, x, 0, x] # x denotes don't care (usually 0)
 end = [2, 4, x, x, -3, x]
 strides = [1, 1, x, x, -1, 1]
 begin_mask = 1<<4 | 1<<5 = 48
 end_mask = 1<<5 = 32
 ellipsis_mask = 1<<3 = 8
 new_axis_mask = 1<<2 = 4
 shrink_axis_mask = 1<<0 = 1
 

ในกรณีนี้ ถ้า `foo.shape` คือ (5, 5, 5, 5, 5, 5) รูปร่างสุดท้ายของชิ้นจะกลายเป็น (2, 1, 5, 5, 2, 5) ให้เราอธิบายทีละขั้นตอนผ่านข้อกำหนดข้อโต้แย้งแต่ละข้อ

1. อาร์กิวเมนต์แรกในส่วนตัวอย่างจะเปลี่ยนเป็น `begin = 1` และ `end = beginning + 1 = 2` เพื่อแยกความกำกวมจากข้อมูลจำเพาะดั้งเดิม `2:4` เรายังตั้งค่าบิตที่เหมาะสมใน `shrink_axis_mask` ด้วย

2. `2:4` มีส่วนช่วยให้ 2, 4, 1 เริ่มต้น สิ้นสุด และก้าวเดิน มาสก์ทั้งหมดมีส่วนสนับสนุนเป็นศูนย์บิต

3. ไม่มี เป็นคำพ้องสำหรับ tf.newaxis ซึ่งหมายถึงการแทรกมิติขนาด 1 มิติลงในรูปร่างสุดท้าย ค่าจำลองมีส่วนช่วยในการเริ่มต้น สิ้นสุด และก้าวย่าง ในขณะที่บิต new_axis_mask ถูกตั้งค่า

4. `...` หยิบช่วงทั้งหมดจากมิติข้อมูลมากเท่าที่จำเป็นเพื่อระบุส่วนข้อมูลให้ครบถ้วนสำหรับทุกมิติของรูปร่างอินพุต

5. `:-3:-1` แสดงการใช้ดัชนีเชิงลบ ดัชนีเชิงลบ `i` ที่เกี่ยวข้องกับมิติที่มีรูปร่าง `s` จะถูกแปลงเป็นดัชนีบวก `s + i` ดังนั้น `-1` จะกลายเป็น `s-1` (นั่นคือองค์ประกอบสุดท้าย) การแปลงนี้เสร็จสิ้นภายใน ดังนั้น เริ่มต้น สิ้นสุด และก้าวย่างจะได้รับ x, -3 และ -1 บิต beginning_mask ที่เหมาะสมได้รับการตั้งค่าเพื่อระบุว่าช่วงเริ่มต้นคือช่วงเต็ม (ไม่สนใจ x)

6. `:` บ่งชี้ว่ามีการเลือกเนื้อหาทั้งหมดของมิติที่เกี่ยวข้อง ซึ่งเทียบเท่ากับ `::` หรือ `0::1` เริ่มต้น สิ้นสุด และก้าวเดินจะได้รับ 0, 0 และ 1 ตามลำดับ บิตที่เหมาะสมใน `begin_mask` และ `end_mask` ก็ได้รับการตั้งค่าเช่นกัน

ข้อกำหนด : `0 != strides[i] สำหรับ i ใน [0, m)` `ellipsis_mask ต้องเป็นเลขยกกำลังสอง (จุดไข่ปลาเพียงอันเดียว)`

คลาสที่ซ้อนกัน

ระดับ

StridedSlice ตัวเลือก

แอ็ตทริบิวต์ทางเลือกสำหรับ StridedSlice

วิธีการสาธารณะ

เอาท์พุต <T>	เป็นเอาท์พุต () ส่งกลับค่าแฮนเดิลสัญลักษณ์ของเทนเซอร์
StridedSlice.Options แบบคงที่	beginningMask (เริ่มต้นมาสก์แบบยาว)
คงที่ <T, U ขยายจำนวน> StridedSlice <T>	สร้าง (ขอบเขต ขอบเขต , อินพุต Operand <T>, Operand <U> เริ่มต้น, Operand <U> ปลาย, Operand <U> ก้าว, ตัวเลือก... ตัวเลือก) วิธีการจากโรงงานเพื่อสร้างคลาสที่รวมการดำเนินการ StridedSlice ใหม่
StridedSlice.Options แบบคงที่	ellipsisMask (รียาว ellipsisMask)
StridedSlice.Options แบบคงที่	endMask (มาสก์ปลายยาว)
StridedSlice.Options แบบคงที่	newAxisMask (ใหม่ AxisMask แบบยาว)
เอาท์พุต <T>	เอาท์พุท ()
StridedSlice.Options แบบคงที่	ShrinkAxisMask (หดยาว AxisMask)

วิธีการสืบทอด

จากคลาส org.tensorflow.op.PrimitiveOp

บูลีนสุดท้าย	เท่ากับ (วัตถุ obj)
int สุดท้าย	แฮชโค้ด ()
การดำเนินการ	สหกรณ์ () ส่งคืน Operation พื้นฐาน
สตริงสุดท้าย	toString ()

จากคลาส java.lang.Object

บูลีน	เท่ากับ (วัตถุ arg0)
คลาสสุดท้าย<?>	รับคลาส ()
ภายใน	แฮชโค้ด ()
โมฆะสุดท้าย	แจ้ง ()
โมฆะสุดท้าย	แจ้งทั้งหมด ()
สตริง	toString ()
โมฆะสุดท้าย	รอสักครู่ (ยาว arg0, int arg1)
โมฆะสุดท้าย	รอ (ยาว arg0)
โมฆะสุดท้าย	รอ ()

จากอินเทอร์ เฟซ org.tensorflow.Operand

เอาท์ พุท นามธรรม <T>

เป็นเอาท์พุต () ส่งกลับค่าแฮนเดิลสัญลักษณ์ของเทนเซอร์

วิธีการสาธารณะ

เอาท์ พุท สาธารณะ <T> asOutput ()

ส่งกลับค่าแฮนเดิลสัญลักษณ์ของเทนเซอร์

อินพุตสำหรับการดำเนินการ TensorFlow คือเอาต์พุตของการดำเนินการ TensorFlow อื่น วิธีการนี้ใช้เพื่อรับหมายเลขอ้างอิงสัญลักษณ์ที่แสดงถึงการคำนวณอินพุต

StridedSlice.Options สาธารณะแบบคงที่ (BeginMask แบบยาว )

พารามิเตอร์

เริ่มต้นหน้ากาก	บิตมาสก์โดยที่บิต i เป็น 1 หมายถึงละเว้นค่าเริ่มต้นและใช้ช่วงเวลาที่ใหญ่ที่สุดที่เป็นไปได้แทน ที่รันไทม์ start[i] จะถูกแทนที่ด้วย `[0, n-1)` ถ้า `stride[i] > 0` หรือ `[-1, n-1]` ถ้า `stride[i] < 0`

สร้าง StridedSlice <T> แบบคงที่สาธารณะ (ขอบเขต ขอบเขต , อินพุต Operand <T>, Operand <U> เริ่มต้น, Operand <U> สิ้นสุด, Operand <U> ก้าว, ตัวเลือก... ตัวเลือก)

วิธีการจากโรงงานเพื่อสร้างคลาสที่รวมการดำเนินการ StridedSlice ใหม่

พารามิเตอร์

ขอบเขต	ขอบเขตปัจจุบัน
เริ่ม	`begin[k]` ระบุออฟเซ็ตในข้อกำหนดช่วง `k` มิติข้อมูลที่แน่นอนซึ่งสอดคล้องจะถูกกำหนดโดยบริบท ค่านอกขอบเขตจะถูกบีบอย่างเงียบๆ หากบิตที่ `k` ของ `begin_mask` ดังนั้น `begin[k]` จะถูกละเว้น และใช้มิติข้อมูลที่เหมาะสมทั้งหมดแทน ค่าลบทำให้การจัดทำดัชนีเริ่มต้นจากองค์ประกอบสูงสุด เช่น ถ้า `foo==[1,2,3]` ดังนั้น `foo[-1]==3`
จบ	`end[i]` เป็นเหมือน `begin` โดยมีข้อยกเว้นว่า `end_mask` ใช้เพื่อกำหนดช่วงทั้งหมด
ความก้าวหน้า	`strides[i]` ระบุการเพิ่มขึ้นในข้อกำหนด `i`th หลังจากแยกองค์ประกอบที่กำหนด ดัชนีเชิงลบจะกลับลำดับเดิม ค่านอกหรือช่วงจะถูกบีบไว้ที่ `[0,dim[i]) ถ้าเป็นชิ้น[i]>0` หรือ `[-1,dim[i]-1] ถ้าเป็นชิ้น[i] < 0`
ตัวเลือก	มีค่าแอตทริบิวต์ทางเลือก

การส่งคืน

• ตัวอย่างใหม่ของ StridedSlice

StridedSlice.Options ellipsisMask แบบ คงที่สาธารณะ (Long ellipsisMask)

พารามิเตอร์

จุดไข่ปลาMask

บิตมาสก์โดยที่บิต `i` เป็น 1 หมายความว่าตำแหน่ง `i` จริงๆ แล้วเป็นจุดไข่ปลา มากสุดหนึ่งบิตสามารถเป็น 1 ได้ หาก `ellipsis_mask == 0` ก็จะมีมาสก์จุดไข่ปลาโดยนัยเป็น `1 << (m+1)` ซึ่งหมายความว่า `foo[3:5] == foo[3:5, ...]` จุดไข่ปลาจะสร้างข้อกำหนดเฉพาะของช่วงได้มากเท่าที่จำเป็นเพื่อระบุช่วงที่แบ่งสำหรับทุกมิติโดยสมบูรณ์ ตัวอย่างเช่น สำหรับเมตริกซ์ 4 มิติ `foo` ส่วน `foo[2, ..., 5:8]` หมายถึง `foo[2, :, :, 5:8]`

สาธารณะ StridedSlice.Options endMask แบบคงที่ (Long endMask)

พารามิเตอร์

สิ้นสุดหน้ากาก	คล้ายคลึงกับ `begin_mask`

StridedSlice.Options สาธารณะคงที่ newAxisMask (ยาว newAxisMask)

พารามิเตอร์

ใหม่AxisMask	บิตมาสก์โดยที่บิต `i` เป็น 1 หมายความว่าข้อกำหนด `i`th จะสร้างรูปร่างใหม่ 1 มิติ ตัวอย่างเช่น `foo[:4, tf.newaxis, :2]` จะสร้างเทนเซอร์รูปร่าง `(4, 1, 2)`

เอาท์พุท สาธารณะ <T> เอาท์พุท ()

StridedSlice.Options แบบคงที่สาธารณะ ShrinkAxisMask (Long ShrinkAxisMask)

พารามิเตอร์

ShrinkAxisMask	บิตมาสก์โดยที่บิต `i` บ่งบอกว่าข้อกำหนด `i` ควรลดขนาดมิติลง เริ่มต้นและสิ้นสุดต้องหมายถึงส่วนขนาด 1 ในมิติ ตัวอย่างเช่น ใน python อาจทำ `foo[:, 3, :]` ซึ่งจะส่งผลให้ `shrink_axis_mask` เป็น 2