SegmentMinV2

clase final pública SegmentMinV2

Calcula el mínimo a lo largo de segmentos de un tensor.

Lea [la sección sobre segmentación](https://tensorflow.org/api_docs/python/tf/math#Segmentation) para obtener una explicación de los segmentos.

Calcula un tensor tal que \\(output_i = \min_j(data_j)\\) donde `min` está sobre `j` de manera que `segment_ids[j] == i`.

Si el mínimo está vacío para un ID de segmento determinado `i`, genera el valor más grande posible para el tipo numérico específico, `salida[i] = límites_numéricos ::máx()`.

Nota: Esta operación actualmente solo es compatible con jit_compile=True.

Precaución: En la CPU, los valores en `segment_ids` siempre se validan para ordenarse y se genera un error para los índices que no aumentan. En GPU, esto no genera un error para índices no ordenados. En GPU, los índices desordenados dan como resultado un comportamiento seguro pero no especificado, que puede incluir tratar los índices desordenados como si fueran un índice siguiente más pequeño.

La única diferencia con SegmentMin es la entrada adicional `num_segments`. Esto ayuda a evaluar la forma de salida en tiempo de compilación. `num_segments` debe ser coherente con segment_ids. por ejemplo, Max(segment_ids) debe ser igual a `num_segments` - 1 para un segment_ids 1-d. Con num_segments inconsistentes, la operación aún se ejecuta. La única diferencia es que la salida toma el tamaño de num_segments independientemente del tamaño de segment_ids y datos. para num_segments con un tamaño de salida menor que el esperado, los últimos elementos se ignoran. Para num_segments con un tamaño de salida mayor que el esperado, a los últimos elementos se les asigna el valor más grande posible para el tipo numérico específico.

Por ejemplo:

>>> @tf.function(jit_compile=True) ... def prueba(c): ... return tf.raw_ops.SegmentMinV2(data=c, segment_ids=tf.constant([0, 0, 1]), num_segmentos=2) >>> c = tf.constant([[1,2,3,4], [4, 3, 2, 1], [5,6,7,8]]) >>> prueba( c).numpy() matriz([[1, 2, 2, 1], [5, 6, 7, 8]], dtype=int32)

Métodos públicos

Salida <T>
como salida ()
Devuelve el identificador simbólico de un tensor.
estático <T extiende el número, U extiende el número, V extiende el número> SegmentMinV2 <T>
crear (alcance alcance , datos del operando <T>, identificadores de segmento del operando <U>, números de segmento del operando <V>)
Método de fábrica para crear una clase que envuelve una nueva operación SegmentMinV2.
Salida <T>
producción ()
Tiene la misma forma que los datos, excepto por las primeras dimensiones `segment_ids.rank`, que se reemplazan con una única dimensión que tiene el tamaño `num_segments`.

Métodos heredados

Métodos públicos

Salida pública <T> como Salida ()

Devuelve el identificador simbólico de un tensor.

Las entradas a las operaciones de TensorFlow son salidas de otra operación de TensorFlow. Este método se utiliza para obtener un identificador simbólico que representa el cálculo de la entrada.

creación pública estática de SegmentMinV2 <T> (alcance del alcance , datos del operando <T>, identificadores de segmento del operando <U>, números de segmento del operando <V>)

Método de fábrica para crear una clase que envuelve una nueva operación SegmentMinV2.

Parámetros
alcance alcance actual
identificadores de segmento Un tensor 1-D cuyo tamaño es igual al tamaño de la primera dimensión de los "datos". Los valores deben ordenarse y pueden repetirse. Los valores deben ser menores que `num_segments`.

Precaución: Los valores siempre se validan para ordenarse en la CPU, nunca en la GPU.

Devoluciones
  • una nueva instancia de SegmentMinV2

Salida pública <T> salida ()

Tiene la misma forma que los datos, excepto por las primeras dimensiones `segment_ids.rank`, que se reemplazan con una única dimensión que tiene el tamaño `num_segments`.