중첩 클래스
수업 | BooleanMaskUpdate.Options | BooleanMaskUpdate 의 선택적 속성 |
공공 생성자
부울마스크업데이트 () |
공개 방법
정적 BooleanMaskUpdate.Options | 축 (정수축) 마스크할 축을 나타내는 데 사용됩니다. |
정적 BooleanMaskUpdate.Options | 브로드캐스트 (부울 브로드캐스트) 업데이트 방송을 시도할지 여부. |
static <T는 TType을 확장합니다. > 피연산자 <T> |
상속된 메서드
공공 생성자
공개 BooleanMaskUpdate ()
공개 방법
public static BooleanMaskUpdate.Options 축 (정수 축)
마스크할 축을 나타내는 데 사용됩니다. axis + dim(mask) <= dim(tensor)
및 mask
모양은 tensor
모양의 첫 번째 axis + dim(mask)
차원과 일치해야 합니다.
매개변수
중심선 | 마스크할 축입니다. null인 경우 0을 사용합니다. |
---|
공개 정적 피연산자 <T> 생성 ( 범위 범위, 피연산자 <T> 텐서, 피연산자 < TBool > 마스크, 피연산자 <T> 업데이트, 옵션... 옵션)
마스크된 값에서 텐서를 업데이트하고 업데이트된 텐서를 반환합니다. 입력 텐서를 변경하지 않습니다. updates
기본적으로 방송됩니다
Numpy에 해당하는 것은 `tensor[mask] = 업데이트`입니다.
일반적으로 0 < dim(mask) = K <= dim(tensor)
이며 mask
의 모양은 tensor
모양의 첫 번째 K 차원과 일치해야 합니다. 그러면 다음과 같습니다 booleanMask(tensor, mask)[i, j1,...,jd] = tensor[i1,...,iK,j1,...,jd]
여기서 (i1,...,iK)
mask
의 i번째 true
항목입니다(행 우선 순서).
axis
mask
와 함께 사용하여 마스크할 축을 나타낼 수 있습니다(기본적으로 0입니다). 이 경우 axis + dim(mask) <= dim(tensor)
및 mask
의 모양은 tensor
모양의 첫 번째 axis + dim(mask)
차원과 일치해야 합니다.
updates
의 모양은 [n, t_1, t_2, ...]
이어야 합니다. 여기서 n
은 mask
의 실제 값 수이고 t_i
는 axis
및 mask
다음의 tensor
의 i
번째 차원입니다. updates
기본적으로 이 모양에 브로드캐스트되며 options
사용하여 비활성화할 수 있습니다.
매개변수
텐서 | 마스크할 텐서입니다. |
---|---|
마스크 | 적용할 마스크입니다. |
업데이트 | 새로운 가치 |
옵션 | 선택적 속성 값을 전달합니다. |
보고
- 마스크된 텐서.