GatherNd

برش‌ها را از «پارام‌ها» در یک تانسور با شکل مشخص شده با «شاخص‌ها» جمع‌آوری کنید.

«شاخص‌ها» یک تانسور عدد صحیح K بعدی است که بهتر است به عنوان یک تانسور (K-1)-بعدی از شاخص‌ها در «پارام» در نظر گرفته شود، که در آن هر عنصر تکه‌ای از «پارام‌ها» را تعریف می‌کند:

خروجی[\\(i_0, ..., i_{K-2}\\)] = پارامترها[شاخص‌ها[\\(i_0, ..., i_{K-2}\\)]]

در حالی که در tf.gather «شاخص‌ها» برش‌ها را در بعد «محور» «params» تعریف می‌کند، در tf.gather_nd ، «شاخص‌ها» برش‌ها را در اولین ابعاد «N» «params» تعریف می‌کند، جایی که «N = indices.shape» است. [-1]`.

آخرین بعد «شاخص ها» حداکثر می تواند رتبه «پارام ها» باشد:

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

آخرین بعد «شاخص‌ها» به عناصر (اگر «indices.shape[-1] == params.rank») یا برش‌ها (اگر «indices.shape[-1] < params.rank») در امتداد «شاخص‌ها» مربوط می‌شود. شکل[-1]` از «params». تانسور خروجی شکل دارد

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

توجه داشته باشید که در CPU، اگر یک نمایه خارج از کران پیدا شود، یک خطا برگردانده می شود. در GPU، اگر یک نمایه خارج از کران پیدا شود، 0 در مقدار خروجی مربوطه ذخیره می شود.

چند نمونه در زیر

نمایه سازی ساده در یک ماتریس:

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

نمایه سازی برش در یک ماتریس:

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

نمایه سازی به یک تانسور 3:

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']
 

نمایه سازی دسته ای در یک ماتریس:

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

فهرست بندی دسته ای

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

: a 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']]
 

همچنین tf.gather و «tf.batch_gather» را ببینید.