fluxo tensor:: ops:: Ponto Dinâmico Paralelo

#include <data_flow_ops.h>

Intercale os valores dos tensores data em um único tensor.

Resumo

Constrói um tensor mesclado tal que 

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

Por exemplo, se cada indices[m] for escalar ou vetorial, temos 

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

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

Cada data[i].shape deve começar com os indices[i].shape , e o restante de data[i].shape deve ser constante em relação a i . Ou seja, devemos ter data[i].shape = indices[i].shape + constant . Em termos desta constant , a forma de saída é

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

Os valores podem ser mesclados em paralelo, portanto, se um índice aparecer em ambos indices[m][i] e indices[n][j] , o resultado poderá ser inválido. Isso difere do operador DynamicStitch normal que define o comportamento nesse caso.

Por exemplo: 

    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]]

Este método pode ser usado para mesclar partições criadas por dynamic_partition conforme ilustrado no exemplo a seguir: 

    # 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.

Argumentos:

Retorna:

Construtores e Destruidores

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

Atributos públicos

merged
operation

Funções públicas

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

Atributos públicos

mesclado 

::tensorflow::Output merged

operação 

Operation operation

Funções públicas

Ponto Dinâmico Paralelo 

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

nó 

::tensorflow::Node * node() const

operador::tensorflow::Input 

 operator::tensorflow::Input() const

operador::tensorflow::Saída 

 operator::tensorflow::Output() const
,

fluxo tensor:: ops:: Ponto Dinâmico Paralelo

#include <data_flow_ops.h>

Intercale os valores dos tensores data em um único tensor.

Resumo

Constrói um tensor mesclado tal que 

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

Por exemplo, se cada indices[m] for escalar ou vetorial, temos 

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

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

Cada data[i].shape deve começar com os indices[i].shape , e o restante de data[i].shape deve ser constante em relação a i . Ou seja, devemos ter data[i].shape = indices[i].shape + constant . Em termos desta constant , a forma de saída é

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

Os valores podem ser mesclados em paralelo, portanto, se um índice aparecer em ambos indices[m][i] e indices[n][j] , o resultado poderá ser inválido. Isso difere do operador DynamicStitch normal que define o comportamento nesse caso.

Por exemplo: 

    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]]

Este método pode ser usado para mesclar partições criadas por dynamic_partition conforme ilustrado no exemplo a seguir: 

    # 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.

Argumentos:

Retorna:

Construtores e Destruidores

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

Atributos públicos

merged
operation

Funções públicas

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

Atributos públicos

mesclado 

::tensorflow::Output merged

operação 

Operation operation

Funções públicas

Ponto Dinâmico Paralelo 

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

nó 

::tensorflow::Node * node() const

operador::tensorflow::Input 

 operator::tensorflow::Input() const

operador::tensorflow::Saída 

 operator::tensorflow::Output() const