aliran tensor:: operasi:: Jahitan Dinamis

#include <data_flow_ops.h>

Sisipkan nilai dari tensor data ke dalam satu tensor.

Ringkasan

Membangun tensor gabungan sedemikian rupa

    merged[indices[m][i, ..., j], ...] = data[m][i, ..., j, ...]

Misalnya, jika setiap indices[m] adalah skalar atau vektor, kita punya 

    # Scalar indices:
    merged[indices[m], ...] = data[m][...]

    # Vector indices:
    merged[indices[m][i], ...] = data[m][i, ...]

Setiap data[i].shape harus dimulai dengan indices[i].shape yang sesuai, dan data[i].shape lainnya harus konstan dengan i . Artinya, kita harus memiliki data[i].shape = indices[i].shape + constant . Dalam hal constant ini, bentuk keluarannya adalah 

merged.shape = [max(indices)] + constant

Nilai digabungkan secara berurutan, jadi jika indeks muncul di kedua indices[m][i] dan indices[n][j] untuk (m,i) < (n,j) potongan data[n][j] akan muncul di hasil penggabungan. Jika Anda tidak memerlukan jaminan ini, ParallelDynamicStitch mungkin bekerja lebih baik di beberapa perangkat.

Misalnya:

    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]]

Cara 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.

Argumen:

Pengembalian:

  • Output : Tensor yang digabungkan.

Konstruktor dan Destruktor

DynamicStitch (const :: tensorflow::Scope & scope, :: tensorflow::InputList indices, :: tensorflow::InputList data)

Atribut publik

merged
operation

Fungsi publik

node () const
::tensorflow::Node *
operator::tensorflow::Input () const
operator::tensorflow::Output () const

Atribut publik

digabungkan 

::tensorflow::Output merged

operasi 

Operation operation

Fungsi publik

Jahitan Dinamis 

 DynamicStitch(
  const ::tensorflow::Scope & scope,
  ::tensorflow::InputList indices,
  ::tensorflow::InputList data
)

simpul 

::tensorflow::Node * node() const

operator::tensorflow::Masukan 

 operator::tensorflow::Input() const

operator::tensorflow::Keluaran

 operator::tensorflow::Output() const