SegmentMaxV2

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।

एक टेंसर की गणना इस प्रकार 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] = न्यूमेरिक_लिमिट्स ::न्यूनतम()`।

ध्यान दें: यह ऑप वर्तमान में केवल git_compile=True के साथ समर्थित है।

सावधानी: सीपीयू पर, `सेगमेंट_आईड्स` में मानों को हमेशा क्रमबद्ध करने के लिए मान्य किया जाता है, और उन सूचकांकों के लिए एक त्रुटि उत्पन्न होती है जो बढ़ नहीं रहे हैं। GPU पर, यह अवर्गीकृत सूचकांकों के लिए कोई त्रुटि उत्पन्न नहीं करता है। जीपीयू पर, आउट-ऑफ-ऑर्डर सूचकांकों के परिणामस्वरूप सुरक्षित लेकिन अनिर्दिष्ट व्यवहार होता है, जिसमें आउट-ऑफ-ऑर्डर सूचकांकों को छोटे निम्नलिखित सूचकांक के समान मानना ​​शामिल हो 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_आईडी के अनुरूप होना चाहिए। उदाहरण के लिए Max(segment_ids) `num_segments` के बराबर होना चाहिए - 1-d सेग्मेंट_आईड्स के लिए 1 असंगत num_segments के साथ, ऑप अभी भी चलता है। अंतर केवल इतना है कि आउटपुट सेगमेंट_आईडी और डेटा के आकार के बावजूद num_segments का आकार लेता है। अपेक्षित आउटपुट आकार से कम num_segments के लिए, अपेक्षित आउटपुट आकार से अधिक num_segments के लिए अंतिम तत्वों को अनदेखा कर दिया जाता है, अंतिम तत्वों को विशिष्ट संख्यात्मक प्रकार के लिए सबसे छोटा संभव मान निर्दिष्ट किया जाता है।

उदाहरण के लिए:

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