คำนวณผลรวมตามส่วนของเทนเซอร์
อ่าน [ส่วนเกี่ยวกับการแบ่งส่วน](https://tensorflow.org/api_docs/python/tf/math#Segmentation) เพื่อดูคำอธิบายเกี่ยวกับส่วนต่างๆ
คำนวณเทนเซอร์โดยที่ \\(output_i = \sum_j data_j\\) โดยที่ผลรวมมากกว่า `j` ดังนั้น `segment_ids[j] == i`
หากผลรวมว่างเปล่าสำหรับ ID ส่วนที่กำหนด `i`, `เอาท์พุท [i] = 0`
โปรดทราบว่าขณะนี้ op นี้รองรับ jit_compile=True เท่านั้น
วิธีการสาธารณะ
| เอาท์พุต <T> | เป็นเอาท์พุต () ส่งกลับค่าแฮนเดิลสัญลักษณ์ของเทนเซอร์ |
| คงที่ <T, U ขยายหมายเลข, V ขยายหมายเลข> SegmentSumV2 <T> | สร้าง (ขอบเขต ขอบเขต ข้อมูล ตัวดำเนินการ <T> ตัวดำเนินการ <U> SegmentIds ตัวดำเนินการ <V> numSegments) วิธีการจากโรงงานเพื่อสร้างคลาสที่รวมการดำเนินการ SegmentSumV2 ใหม่ |
| เอาท์พุต <T> | เอาท์พุท () มีรูปร่างเหมือนกับข้อมูล ยกเว้นมิติข้อมูล `segment_ids.rank` แรก ซึ่งถูกแทนที่ด้วยมิติข้อมูลเดียวซึ่งมีขนาด `num_segments` |
วิธีการสืบทอด
วิธีการสาธารณะ
เอาท์ พุท สาธารณะ <T> asOutput ()
ส่งกลับค่าแฮนเดิลสัญลักษณ์ของเทนเซอร์
อินพุตสำหรับการดำเนินการ TensorFlow คือเอาต์พุตของการดำเนินการ TensorFlow อื่น วิธีการนี้ใช้เพื่อรับหมายเลขอ้างอิงสัญลักษณ์ที่แสดงถึงการคำนวณอินพุต
สร้าง SegmentSumV2 <T> แบบคงที่สาธารณะ ( ขอบเขตขอบเขต ข้อมูล <T> ตัว ดำเนินการ <U> SegmentIds ตัวดำเนินการ <V> numSegments)
วิธีการจากโรงงานเพื่อสร้างคลาสที่รวมการดำเนินการ SegmentSumV2 ใหม่
พารามิเตอร์
| ขอบเขต | ขอบเขตปัจจุบัน |
|---|---|
| รหัสส่วน | เทนเซอร์ 1 มิติที่มีขนาดเท่ากับขนาดของมิติแรกของ "ข้อมูล" ควรเรียงลำดับค่าและสามารถทำซ้ำได้ ค่าต้องน้อยกว่า `num_segments` ข้อควรระวัง: ค่าต่างๆ จะได้รับการตรวจสอบความถูกต้องเสมอเพื่อจัดเรียงบน CPU และไม่เคยตรวจสอบความถูกต้องบน GPU |
การส่งคืน
- อินสแตนซ์ใหม่ของ SegmentSumV2
เอาท์พุท สาธารณะ <T> เอาท์พุท ()
มีรูปร่างเหมือนกับข้อมูล ยกเว้นมิติข้อมูล `segment_ids.rank` แรก ซึ่งถูกแทนที่ด้วยมิติข้อมูลเดียวซึ่งมีขนาด `num_segments`