ParallelDynamicStitch

`डेटा` टेंसर से मानों को एक टेंसर में इंटरलीव करें।

एक मर्ज किया गया टेंसर बनाता है जैसे कि

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

उदाहरण के लिए, यदि प्रत्येक `सूचकांक[m]` अदिश या वेक्टर है, तो हमारे पास

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

है। प्रत्येक `डेटा[i].shape` को संबंधित `सूचकांक[i] से शुरू होना चाहिए। आकार`, और शेष `डेटा[i].आकार` `i` के संबंध में स्थिर होना चाहिए। अर्थात्, हमारे पास `data[i].shape = indices[i].shape + स्थिरांक` होना चाहिए। इस `स्थिरांक` के संदर्भ में, आउटपुट आकार है

मर्ज.आकार = [अधिकतम(सूचकांक)] + स्थिरांक

मानों को समानांतर में मर्ज किया जा सकता है, इसलिए यदि कोई सूचकांक `सूचकांक[m][i]` और `सूचकांक[n][j]` दोनों में दिखाई देता है, तो परिणाम अमान्य हो सकता है। यह सामान्य डायनामिकस्टिच ऑपरेटर से भिन्न है जो उस मामले में व्यवहार को परिभाषित करता है।

उदाहरण के लिए:

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]]
 

इस विधि का उपयोग `dynamic_partition` द्वारा बनाए गए विभाजनों को मर्ज करने के लिए किया जा सकता है जैसा कि निम्नलिखित उदाहरण में दिखाया गया है:

# 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.