SegmentMaxV2

एक टेंसर के खंडों के साथ अधिकतम की गणना करता है।

खंडों की व्याख्या के लिए [विभाजन पर अनुभाग](https://tensorflow.org/api_docs/python/tf/math#Segmentation) पढ़ें।

ऐसे टेन्सर की गणना करता है कि \\(output_i = \max_j(data_j)\\) जहां `max` `j` से अधिक है जैसे कि `segment_ids[j] == i`।

यदि किसी दिए गए सेगमेंट आईडी `i` के लिए अधिकतम खाली है, तो यह विशिष्ट संख्यात्मक प्रकार के लिए सबसे छोटा संभव मान आउटपुट करता है, `आउटपुट [i] = संख्यात्मक_लिमिट्स ::सबसे कम()`।

नोट: यह ऑप वर्तमान में केवल jit_compile=True के साथ समर्थित है।

सावधानी: CPU पर, `segment_ids` में मानों को क्रमबद्ध करने के लिए हमेशा सत्यापित किया जाता है, और जो सूचकांक नहीं बढ़ रहे हैं उनके लिए एक त्रुटि उत्पन्न होती है। जीपीयू पर, यह अवर्गीकृत सूचकांकों के लिए कोई त्रुटि नहीं देता है। जीपीयू पर, आउट-ऑफ-ऑर्डर इंडेक्स सुरक्षित लेकिन अनिर्दिष्ट व्यवहार का परिणाम देते हैं, जिसमें आउट-ऑफ-ऑर्डर इंडेक्स को एक छोटे अनुवर्ती इंडेक्स के समान माना जा सकता है।

SegmentMax के साथ एकमात्र अंतर अतिरिक्त इनपुट `num_segments` है। यह संकलन समय में आउटपुट आकार का मूल्यांकन करने में मदद करता है। `num_segments` सेगमेंट_आईड्स के अनुरूप होना चाहिए। उदाहरण के लिए अधिकतम (सेगमेंट_आईड्स) `num_segments` - 1 के बराबर होना चाहिए, 1-डी सेगमेंट_आईड्स के लिए असंगत num_segments के साथ, ऑप अभी भी चलता है। केवल अंतर यह है कि, सेगमेंट_आईड्स और डेटा के आकार के बावजूद आउटपुट num_segments का आकार लेता है। अपेक्षित आउटपुट आकार से कम num_segments के लिए, अंतिम तत्वों को अपेक्षित आउटपुट आकार से अधिक num_segments के लिए अनदेखा किया जाता है, अंतिम तत्वों को विशिष्ट संख्यात्मक प्रकार के लिए सबसे छोटा संभव मान दिया जाता है।

उदाहरण के लिए:

>>> @tf.function(jit_compile=True) ... def test(c): ... वापसी tf.raw_ops.SegmentMaxV2(data=c, segment_ids=tf.constant([0, 0, 1]), num_segments=2) >>> c = tf.constant([[1,2,3,4], [4, 3, 2, 1], [5,6,7,8]]) >>> टेस्ट( ग).numpy() सरणी ([[4, 3, 3, 4], [5, 6, 7, 8]], dtype = int32)