aliran tensor:: operasi:: KumpulkanNd

#include <array_ops.h>

Kumpulkan irisan dari params menjadi Tensor dengan bentuk yang ditentukan oleh indices .

Ringkasan

indices adalah tensor bilangan bulat berdimensi K, paling baik dianggap sebagai tensor indeks berdimensi (K-1) ke dalam params , di mana setiap elemen mendefinisikan sepotong params :

output[\\(i_0, ..., i_{K-2}\\)] = params[indices[\\(i_0, ..., i_{K-2}\\)]]

Sedangkan di tf.gather indices mendefinisikan irisan ke dalam dimensi pertama params , di tf.gather_nd , indices mendefinisikan irisan ke dalam N dimensi pertama params , di mana N = indices.shape[-1] .

Dimensi terakhir dari indices paling banyak dapat berupa peringkat params :

indices.shape[-1] <= params.rank

Dimensi terakhir indices sesuai dengan elemen (jika indices.shape[-1] == params.rank ) atau irisan (jika indices.shape[-1] < params.rank ) sepanjang dimensi indices.shape[-1] dari params . Tensor keluaran mempunyai bentuk

indices.shape[:-1] + params.shape[indices.shape[-1]:]

Perhatikan bahwa pada CPU, jika indeks di luar batas ditemukan, kesalahan akan dikembalikan. Pada GPU, jika indeks di luar batas ditemukan, angka 0 disimpan dalam nilai keluaran yang sesuai.

Beberapa contoh di bawah ini.

Pengindeksan sederhana ke dalam matriks: 

    indices = [[0, 0], [1, 1]]
    params = [['a', 'b'], ['c', 'd']]
    output = ['a', 'd']

Iris pengindeksan ke dalam matriks: 

    indices = [[1], [0]]
    params = [['a', 'b'], ['c', 'd']]
    output = [['c', 'd'], ['a', 'b']]

Mengindeks ke dalam 3-tensor: 

    indices = [[1]]
    params = [[['a0', 'b0'], ['c0', 'd0']],
              [['a1', 'b1'], ['c1', 'd1']]]
    output = [[['a1', 'b1'], ['c1', 'd1']]]

    indices = [[0, 1], [1, 0]]
    params = [[['a0', 'b0'], ['c0', 'd0']],
              [['a1', 'b1'], ['c1', 'd1']]]
    output = [['c0', 'd0'], ['a1', 'b1']]

    indices = [[0, 0, 1], [1, 0, 1]]
    params = [[['a0', 'b0'], ['c0', 'd0']],
              [['a1', 'b1'], ['c1', 'd1']]]
    output = ['b0', 'b1']

Pengindeksan batch ke dalam matriks: 

    indices = [[[0, 0]], [[0, 1]]]
    params = [['a', 'b'], ['c', 'd']]
    output = [['a'], ['b']]

Pengindeksan irisan batch ke dalam matriks: 

    indices = [[[1]], [[0]]]
    params = [['a', 'b'], ['c', 'd']]
    output = [[['c', 'd']], [['a', 'b']]]

Pengindeksan batch menjadi 3-tensor: 

    indices = [[[1]], [[0]]]
    params = [[['a0', 'b0'], ['c0', 'd0']],
              [['a1', 'b1'], ['c1', 'd1']]]
    output = [[[['a1', 'b1'], ['c1', 'd1']]],
              [[['a0', 'b0'], ['c0', 'd0']]]]

    indices = [[[0, 1], [1, 0]], [[0, 0], [1, 1]]]
    params = [[['a0', 'b0'], ['c0', 'd0']],
              [['a1', 'b1'], ['c1', 'd1']]]
    output = [[['c0', 'd0'], ['a1', 'b1']],
              [['a0', 'b0'], ['c1', 'd1']]]

    indices = [[[0, 0, 1], [1, 0, 1]], [[0, 1, 1], [1, 1, 0]]]
    params = [[['a0', 'b0'], ['c0', 'd0']],
              [['a1', 'b1'], ['c1', 'd1']]]
    output = [['b0', 'b1'], ['d0', 'c1']]

Lihat juga tf.gather dan tf.batch_gather .

Argumen:

  • ruang lingkup: Objek Lingkup
  • params: Tensor untuk mengumpulkan nilai.
  • indeks: Tensor indeks.

Pengembalian:

  • Output : Nilai dari params yang dikumpulkan dari indeks yang diberikan oleh indices , dengan bentuk indices.shape[:-1] + params.shape[indices.shape[-1]:] .

Konstruktor dan Destruktor

GatherNd (const :: tensorflow::Scope & scope, :: tensorflow::Input params, :: tensorflow::Input indices)

Atribut publik

operation
output

Fungsi publik

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

Atribut publik

operasi 

Operation operation

keluaran 

::tensorflow::Output output

Fungsi publik

KumpulkanNd 

 GatherNd(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input params,
  ::tensorflow::Input indices
)

simpul 

::tensorflow::Node * node() const

operator::tensorflow::Masukan 

 operator::tensorflow::Input() const

operator::tensorflow::Keluaran 

 operator::tensorflow::Output() const