SegmentMaxV2

텐서의 세그먼트를 따라 최대값을 계산합니다.

세그먼트에 대한 설명은 [세그먼트 섹션](https://tensorflow.org/api_docs/python/tf/math#Segmentation)을 읽어보세요.

`max`가 `j` 위에 있고 `segment_ids[j] == i`인 \\(output_i = \max_j(data_j)\\) 과 같은 텐서를 계산합니다.

주어진 세그먼트 ID `i`에 대한 최대값이 비어 있는 경우 특정 숫자 유형인 `output[i] = 숫자_한계에 대해 가능한 가장 작은 값을 출력합니다. ::최저()`.

참고: 이 작업은 현재 jit_compile=True에서만 지원됩니다.

주의: CPU에서는 `segment_ids`의 값이 정렬되도록 항상 검증되며, 증가하지 않는 인덱스에 대해서는 오류가 발생합니다. GPU에서는 정렬되지 않은 인덱스에 대해 오류가 발생하지 않습니다. GPU에서 순서가 잘못된 인덱스는 안전하지만 지정되지 않은 동작을 초래하며, 여기에는 순서가 아닌 인덱스를 더 작은 후속 인덱스와 동일하게 처리하는 것이 포함될 수 있습니다.

SegmentMax와의 유일한 차이점은 추가 입력 'num_segments'입니다. 이는 컴파일 타임에 출력 형태를 평가하는 데 도움이 됩니다. 'num_segments'는 세그먼트 ID와 일치해야 합니다. 예를 들어 Max(segment_ids)는 `num_segments`와 같아야 합니다. 1-d 세그먼트_id의 경우 1입니다. num_segments가 일치하지 않으면 작업이 계속 실행됩니다. 유일한 차이점은 출력은 세그먼트 ID 및 데이터의 크기에 관계없이 num_segments의 크기를 사용한다는 것입니다. 예상 출력 크기보다 작은 num_segments의 경우 예상 출력 크기보다 큰 num_segments의 경우 마지막 요소가 무시되고 마지막 요소에는 특정 숫자 유형에 대해 가능한 가장 작은 값이 할당됩니다.

예를 들어:

>>> @tf.function(jit_compile=True) ... def test(c): ... return tf.raw_ops.SegmentMaxV2(data=c, 세그먼트_ids=tf.constant([0, 0, 1]), num_segments=2) >>> c = tf.constant([[1,2,3,4], [4, 3, 2, 1], [5,6,7,8]]) >>> 테스트( c).numpy() 배열([[4, 3, 3, 4], [5, 6, 7, 8]], dtype=int32)