Raccogli le sezioni da "params" in un tensore con la forma specificata da "indices".
"indices" è un tensore intero K-dimensionale, meglio pensato come un tensore di indici (K-1)-dimensionale in "params", dove ciascun elemento definisce una fetta di "params":
produzione[\\(i_0, ..., i_{K-2}\\)] = parametri[indici[\\(i_0, ..., i_{K-2}\\)]]
Mentre in `tf.gather` `indices` definisce le sezioni nella dimensione `axis` di `params`, in `tf.gather_nd`, `indices` definisce le sezioni nelle prime `N` dimensioni di `params`, dove `N = indici.forma[-1]`.
L'ultima dimensione di "indices" può avere al massimo il rango di "params":
indici.forma[-1] <= params.rango
L'ultima dimensione di "indices" corrisponde agli elementi (se `indices.shape[-1] == params.rank`) o alle sezioni (se `indices.shape[-1] < params.rank`) lungo la dimensione "indices". forma[-1]` di `parametri`. Il tensore di uscita ha forma
indici.forma[:-1] + params.forma[indice.forma[-1]:]
Si noti che sulla CPU, se viene trovato un indice fuori limite, viene restituito un errore. Sulla GPU, se viene trovato un indice fuori limite, viene archiviato uno 0 nel valore di output corrispondente.
Di seguito alcuni esempi.
Indicizzazione semplice in una matrice:
indices = [[0, 0], [1, 1]]
params = [['a', 'b'], ['c', 'd']]
output = ['a', 'd']
indices = [[1], [0]]
params = [['a', 'b'], ['c', 'd']]
output = [['c', 'd'], ['a', 'b']]
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']
indices = [[[0, 0]], [[0, 1]]]
params = [['a', 'b'], ['c', 'd']]
output = [['a'], ['b']]
indices = [[[1]], [[0]]]
params = [['a', 'b'], ['c', 'd']]
output = [[['c', 'd']], [['a', 'b']]]
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']]
Metodi pubblici
Uscita <T> | comeuscita () Restituisce la maniglia simbolica di un tensore. |
statico <T, U estende Numero> GatherNd <T> | create (ambito dell'ambito , parametri dell'operando <T>, indici dell'operando <U>) Metodo factory per creare una classe che racchiude una nuova operazione GatherNd. |
Uscita <T> | produzione () Valori da `params` raccolti dagli indici forniti da `indices`, con forma `indices.shape[:-1] + params.shape[indices.shape[-1]:]`. |
Metodi ereditati
Metodi pubblici
Uscita pubblica <T> asOutput ()
Restituisce la maniglia simbolica di un tensore.
Gli input per le operazioni TensorFlow sono output di un'altra operazione TensorFlow. Questo metodo viene utilizzato per ottenere un handle simbolico che rappresenta il calcolo dell'input.
public static GatherNd <T> create ( ambito ambito, parametri operando <T>, indici operando <U>)
Metodo factory per creare una classe che racchiude una nuova operazione GatherNd.
Parametri
ambito | ambito attuale |
---|---|
parametri | Il tensore da cui raccogliere valori. |
indici | Tensore dell'indice. |
Ritorni
- una nuova istanza di GatherNd
Uscita pubblica <T> uscita ()
Valori da `params` raccolti dagli indici forniti da `indices`, con forma `indices.shape[:-1] + params.shape[indices.shape[-1]:]`.