SegmentMinV2

Bir tensörün bölümleri boyunca minimumu hesaplar.

Segmentlerin açıklaması için [segmentasyon bölümünü](https://tensorflow.org/api_docs/python/tf/math#Segmentation) okuyun.

\\(output_i = \min_j(data_j)\\) şeklinde bir tensör hesaplar; burada 'min', 'segment_ids[j] == i' olacak şekilde 'j'nin üzerindedir.

Belirli bir segment kimliği "i" için minimum boşsa, belirli sayısal tür için mümkün olan en büyük değeri verir, "output[i] = numeric_limits" ::maks()`.

Not: Bu işlem şu anda yalnızca jit_compile=True ile desteklenmektedir.

Dikkat: CPU'da "segment_ids" içindeki değerler her zaman sıralanmak üzere doğrulanır ve artmayan indeksler için bir hata atılır. GPU'da bu, sıralanmamış dizinler için bir hata oluşturmaz. GPU'da sıra dışı dizinler güvenli ancak belirtilmemiş davranışlarla sonuçlanır; bu, sıra dışı dizinlerin daha küçük bir takip eden dizinle aynı şekilde ele alınmasını da içerebilir.

SegmentMin'den tek fark, ek "num_segments" girişidir. Bu, derleme zamanında çıktı şeklinin değerlendirilmesine yardımcı olur. "segment_sayısı" segment_ids ile tutarlı olmalıdır. örneğin, 1-d segment_ids için Max(segment_ids) 'num_segments' - 1'e eşit olmalıdır. Tutarsız sayı_segmentlerle, operasyon hala çalışıyor. tek fark, çıktının, segment_ids ve verilerin boyutundan bağımsız olarak num_segments boyutunu almasıdır. beklenen çıktı boyutundan daha küçük olan sayı_segmentleri için son öğeler, beklenen çıktı boyutundan daha fazla olan sayı_segmentleri için göz ardı edilir; son öğelere, belirli sayısal tür için mümkün olan en büyük değer atanır.

Örneğin:

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