DynamicStitch

Entrelacez les valeurs des tenseurs « données » en un seul tenseur.

Construit un tenseur fusionné tel que

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

Par exemple, si chaque `indices[m]` est scalaire ou vectoriel, nous avons

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

Chaque `data[i].shape` doit commencer par les `indices[i] correspondants. shape`, et le reste de `data[i].shape` doit être constant par rapport à `i`. Autrement dit, nous devons avoir `data[i].shape = indices[i].shape + constant`. En termes de cette « constante », la forme de sortie est

merged.shape = [max(indices) + 1] + constante

Les valeurs sont fusionnées dans l'ordre, donc si un index apparaît à la fois dans `indices[m][i]` et `indices[n][j]` pour `(m,i) < (n,j)` la tranche `data [n][j]` apparaîtra dans le résultat fusionné. Si vous n'avez pas besoin de cette garantie, ParallelDynamicStitch peut fonctionner mieux sur certains appareils.

Par exemple :

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]]
 

Cette méthode peut être utilisée pour fusionner des partitions créées par `dynamic_partition` comme illustré dans l'exemple suivant :

# 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.