DynamicStitch

একটি একক টেনসরে `ডেটা` টেনসর থেকে মানগুলিকে ইন্টারলিভ করুন।

একটি মার্জড টেনসর তৈরি করে যেমন

merged[indices[m][i, ..., j], ...] = data[m][i, ..., j, ...]
 

উদাহরণস্বরূপ, প্রতিটি `সূচক[m]` স্কেলার বা ভেক্টর হলে, আমাদের কাছে

# Scalar indices:
     merged[indices[m], ...] = data[m][...]
 
     # Vector indices:
     merged[indices[m][i], ...] = data[m][i, ...]
 

প্রতিটি `ডাটা[i].শেপ` সংশ্লিষ্ট `সূচক[i] দিয়ে শুরু হওয়া আবশ্যক। shape`, এবং বাকি `data[i].shape` অবশ্যই ধ্রুবক wrt `i` হতে হবে। অর্থাৎ, আমাদের অবশ্যই `data[i].shape = indices[i].shape + constant` থাকতে হবে। এই `ধ্রুবক` এর পরিপ্রেক্ষিতে, আউটপুট আকৃতি

merged.shape = [max(সূচক)] + ধ্রুবক

মানগুলিকে ক্রমানুসারে মার্জ করা হয়, তাই যদি `(m,i) < (n,j)` স্লাইস `ডেটা'র জন্য `সূচক[m][i]` এবং `সূচক[n][j]` উভয় ক্ষেত্রেই কোনো সূচক দেখা যায় [n][j]` মার্জ করা ফলাফলে প্রদর্শিত হবে। আপনার যদি এই গ্যারান্টির প্রয়োজন না হয়, তাহলে কিছু ডিভাইসে ParallelDynamicStitch আরও ভালো পারফর্ম করতে পারে।

উদাহরণস্বরূপ:

indices[0] = 6
     indices[1] = [4, 1]
     indices[2] = [[5, 2], [0, 3]]
     data[0] = [61, 62]
     data[1] = [[41, 42], [11, 12]]
     data[2] = [[[51, 52], [21, 22]], [[1, 2], [31, 32]]]
     merged = [[1, 2], [11, 12], [21, 22], [31, 32], [41, 42],
               [51, 52], [61, 62]]
 

এই পদ্ধতিটি নিম্নলিখিত উদাহরণে চিত্রিত হিসাবে `ডাইনামিক_পার্টিশন` দ্বারা তৈরি পার্টিশনগুলিকে একত্রিত করতে ব্যবহার করা যেতে পারে:

# Apply function (increments x_i) on elements for which a certain condition
     # apply (x_i != -1 in this example).
     x=tf.constant([0.1, -1., 5.2, 4.3, -1., 7.4])
     condition_mask=tf.not_equal(x,tf.constant(-1.))
     partitioned_data = tf.dynamic_partition(
         x, tf.cast(condition_mask, tf.int32) , 2)
     partitioned_data[1] = partitioned_data[1] + 1.0
     condition_indices = tf.dynamic_partition(
         tf.range(tf.shape(x)[0]), tf.cast(condition_mask, tf.int32) , 2)
     x = tf.dynamic_stitch(condition_indices, partitioned_data)
     # Here x=[1.1, -1., 6.2, 5.3, -1, 8.4], the -1. values remain
     # unchanged.