SegmentMinV2

الفئة النهائية العامة SegmentMinV2

يحسب الحد الأدنى على طول شرائح الموتر.

اقرأ [القسم الخاص بالتجزئة](https://tensorflow.org/api_docs/python/tf/math#Segmentation) للحصول على شرح للشرائح.

يحسب موترًا بحيث يكون \\(output_i = \min_j(data_j)\\) حيث يكون `min` أعلى من `j` بحيث يكون `segment_ids[j] == i`.

إذا كان الحد الأدنى فارغًا لمعرف مقطع معين `i`، فسيتم إخراج أكبر قيمة ممكنة لنوع رقمي محدد، `output[i] = numeric_limits ::الحد الأقصى()`.

ملاحظة: أن هذه العملية مدعومة حاليًا فقط مع jit_compile=True.

تنبيه: على وحدة المعالجة المركزية، يتم دائمًا التحقق من صحة القيم الموجودة في `segment_ids` ليتم فرزها، ويتم طرح خطأ للمؤشرات التي لا تتزايد. في وحدة معالجة الرسومات، لا يؤدي هذا إلى حدوث خطأ بالنسبة للمؤشرات غير المصنفة. في وحدة معالجة الرسومات، تؤدي المؤشرات خارج الترتيب إلى سلوك آمن ولكن غير محدد، والذي قد يتضمن معاملة المؤشرات خارج الترتيب مثل التعامل مع الفهرس التالي الأصغر.

الاختلاف الوحيد مع SegmentMin هو الإدخال الإضافي `num_segments`. يساعد هذا في تقييم شكل الإخراج في وقت الترجمة. يجب أن يكون `num_segments` متسقًا مع معرفات_القطاعات. على سبيل المثال، يجب أن يكون Max(segment_ids) مساويًا لـ `num_segments' - 1 لمعرفات_القطاعات ذات 1-d مع وجود num_segments غير المتناسقة، ستظل العملية قيد التشغيل. الفرق الوحيد هو أن الإخراج يأخذ حجم num_segments بغض النظر عن حجم section_ids والبيانات. بالنسبة إلى num_segments الأقل من حجم الإخراج المتوقع، يتم تجاهل العناصر الأخيرة بالنسبة إلى num_segments الأكبر من حجم الإخراج المتوقع، ويتم تعيين العناصر الأخيرة بأكبر قيمة ممكنة لنوع رقمي محدد.

على سبيل المثال:

>>> @tf.function(jit_compile=True) ... اختبار def(c): ... return tf.raw_ops.SegmentMinV2(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]]) >>> اختبار( c).numpy() array([[1, 2, 2, 1], [5, 6, 7, 8]], dtype=int32)

الأساليب العامة

الإخراج <T>
كإخراج ()
إرجاع المقبض الرمزي للموتر.
ثابت <T يمتد الرقم، U يمتد الرقم، V يمتد الرقم> SegmentMinV2 <T>
إنشاء (نطاق النطاق ، بيانات المعامل <T>، معرفات قطاعات المعامل <U>، أرقام المعامل <V>)
طريقة المصنع لإنشاء فئة تغلف عملية SegmentMinV2 جديدة.
الإخراج <T>
انتاج ()
لها نفس شكل البيانات، باستثناء أبعاد `segment_ids.rank` الأولى، والتي يتم استبدالها ببُعد واحد بحجم `num_segments`.

الطرق الموروثة

الأساليب العامة

الإخراج العام <T> كإخراج ()

إرجاع المقبض الرمزي للموتر.

المدخلات إلى عمليات TensorFlow هي مخرجات عملية TensorFlow أخرى. يتم استخدام هذه الطريقة للحصول على مقبض رمزي يمثل حساب الإدخال.

إنشاء SegmentMinV2 <T> ثابت عام ( نطاق النطاق، بيانات المعامل <T>، معرفات قطاعات المعامل <U>، أرقام المعامل <V>)

طريقة المصنع لإنشاء فئة تغلف عملية SegmentMinV2 جديدة.

حدود
نِطَاق النطاق الحالي
معرفات القطاع موتر أحادي الأبعاد حجمه يساوي حجم البعد الأول للبيانات. يجب فرز القيم ويمكن تكرارها. يجب أن تكون القيم أقل من `num_segments`.

تنبيه: يتم دائمًا التحقق من صحة القيم ليتم فرزها على وحدة المعالجة المركزية (CPU)، ولا يتم التحقق من صحتها مطلقًا على وحدة معالجة الرسومات (GPU).

عائدات
  • مثيل جديد لـ SegmentMinV2

الإخراج العام <T> الإخراج ()

لها نفس شكل البيانات، باستثناء أبعاد `segment_ids.rank` الأولى، والتي يتم استبدالها ببُعد واحد بحجم `num_segments`.