텐서의 축을 따라 고유한 요소를 찾습니다.
이 작업은 텐서의 '축'을 따라 고유한 요소를 포함하는 텐서 'y'를 반환합니다. 반환된 고유 요소는 `x`의 `축`을 따라 나타나는 순서와 동일한 순서로 정렬됩니다. 이 연산은 또한 '축' 차원을 따라 'x'에 있는 요소 수와 동일한 크기인 텐서 'idx'와 텐서 'count'를 반환합니다. 'idx'에는 고유 출력 'y'의 인덱스가 포함되고 'count'에는 고유 출력 'y'의 개수가 포함됩니다. 즉, `axis = None'인 `1-D` 텐서 `x`의 경우:
`y[idx[i]] = x[i] for i in [0, 1,...,rank(x) - 1]`
예를 들어:
x = tf.constant([1, 1, 2, 4, 4, 4, 7, 8, 8])
y, idx, count = tf.raw_ops.UniqueWithCountsV2(x=x, axis = [0])
y ==> [1, 2, 4, 7, 8]
idx ==> [0, 0, 1, 2, 2, 2, 3, 4, 4]
count ==> [2, 1, 3, 1, 2]
x = tf.constant([[1, 0, 0],
[1, 0, 0],
[2, 0, 0]])
y, idx, count = tf.raw_ops.UniqueWithCountsV2(x=x, axis=[0])
y ==> [[1, 0, 0],
[2, 0, 0]]
idx ==> [0, 0, 1]
count ==> [2, 1]
x = tf.constant([[1, 0, 0],
[1, 0, 0],
[2, 0, 0]])
y, idx, count = tf.raw_ops.UniqueWithCountsV2(x=x, axis=[1])
y ==> [[1, 0],
[1, 0],
[2, 0]]
idx ==> [0, 1, 1]
count ==> [1, 2]
공개 방법
출력 <V> | 세다 () 1차원 텐서. |
static <T, V는 숫자를 확장하고, U는 숫자를 확장합니다> UniqueWithCounts <T, V> | |
static <T, U 확장 번호> UniqueWithCounts <T, 정수> | |
출력 <V> | 아이디X () 1차원 텐서. |
출력 <T> | 와이 () '텐서'. |
상속된 메서드
공개 방법
공개 정적 UniqueWithCounts <T, V> 생성 ( 범위 범위, 피연산자 <T> x, 피연산자 <U> 축, 클래스<V> outIdx)
새로운 UniqueWithCounts 작업을 래핑하는 클래스를 생성하는 팩토리 메서드입니다.
매개변수
범위 | 현재 범위 |
---|---|
엑스 | '텐서'. |
중심선 | 'int32' 유형의 'Tensor'(기본값: 없음). 고유한 요소를 찾기 위한 Tensor의 축입니다. |
보고
- UniqueWithCounts의 새 인스턴스
public static UniqueWithCounts <T, Integer> create ( 범위 범위, 피연산자 <T> x, 피연산자 <U> 축)
기본 출력 유형을 사용하여 새로운 UniqueWithCounts 작업을 래핑하는 클래스를 생성하는 팩토리 메서드입니다.
매개변수
범위 | 현재 범위 |
---|---|
엑스 | '텐서'. |
중심선 | 'int32' 유형의 'Tensor'(기본값: 없음). 고유한 요소를 찾기 위한 Tensor의 축입니다. |
보고
- UniqueWithCounts의 새 인스턴스