Where

পাবলিক ফাইনাল ক্লাস কোথায়

একটি টেনসরে অশূন্য/সত্য মানের অবস্থান প্রদান করে।

এই ক্রিয়াকলাপটি 'শর্ত'-এ সত্য উপাদানগুলির স্থানাঙ্ক ফিরিয়ে দেয়। স্থানাঙ্কগুলি একটি 2-ডি টেনসরে ফেরত দেওয়া হয় যেখানে প্রথম মাত্রা (সারি) সত্য উপাদানের সংখ্যা প্রতিনিধিত্ব করে এবং দ্বিতীয় মাত্রা (কলাম) সত্য উপাদানগুলির স্থানাঙ্ক উপস্থাপন করে। মনে রাখবেন, আউটপুট টেনসরের আকৃতি 'শর্ত'-এ কতগুলি সত্য মান রয়েছে তার উপর নির্ভর করে পরিবর্তিত হতে পারে। সূচকগুলি সারি-প্রধান ক্রমে আউটপুট হয়।

যেমন:

# 'input' tensor is [[True, False]
 #                    [True, False]]
 # 'input' has two true values, so output has two coordinates.
 # 'input' has rank of 2, so coordinates have two indices.
 where(input) ==> [[0, 0],
                   [1, 0]]
 
 # `condition` tensor is [[[True, False]
 #                     [True, False]]
 #                    [[False, True]
 #                     [False, True]]
 #                    [[False, False]
 #                     [False, True]]]
 # 'input' has 5 true values, so output has 5 coordinates.
 # 'input' has rank of 3, so coordinates have three indices.
 where(input) ==> [[0, 0, 0],
                   [0, 1, 0],
                   [1, 0, 1],
                   [1, 1, 1],
                   [2, 1, 1]]
 
 # `condition` tensor is [[[1.5,  0.0]
 #                     [-0.5, 0.0]]
 #                    [[0.0,  0.25]
 #                     [0.0,  0.75]]
 #                    [[0.0,  0.0]
 #                     [0.0,  0.01]]]
 # 'input' has 5 nonzero values, so output has 5 coordinates.
 # 'input' has rank of 3, so coordinates have three indices.
 where(input) ==> [[0, 0, 0],
                   [0, 1, 0],
                   [1, 0, 1],
                   [1, 1, 1],
                   [2, 1, 1]]
 
 # `condition` tensor is [[[1.5 + 0.0j, 0.0  + 0.0j]
 #                     [0.0 + 0.5j, 0.0  + 0.0j]]
 #                    [[0.0 + 0.0j, 0.25 + 1.5j]
 #                     [0.0 + 0.0j, 0.75 + 0.0j]]
 #                    [[0.0 + 0.0j, 0.0  + 0.0j]
 #                     [0.0 + 0.0j, 0.01 + 0.0j]]]
 # 'input' has 5 nonzero magnitude values, so output has 5 coordinates.
 # 'input' has rank of 3, so coordinates have three indices.
 where(input) ==> [[0, 0, 0],
                   [0, 1, 0],
                   [1, 0, 1],
                   [1, 1, 1],
                   [2, 1, 1]]
 

ধ্রুবক

স্ট্রিং OP_NAME এই অপের নাম, টেনসরফ্লো কোর ইঞ্জিন দ্বারা পরিচিত

পাবলিক পদ্ধতি

আউটপুট < TInt64 >
আউটপুট হিসাবে ()
টেনসরের প্রতীকী হ্যান্ডেল ফেরত দেয়।
স্থির কোথায়
তৈরি করুন ( স্কোপ স্কোপ, অপারেন্ড <? প্রসারিত TType > শর্ত)
একটি নতুন যেখানে অপারেশন মোড়ানো একটি ক্লাস তৈরি করার কারখানা পদ্ধতি।
আউটপুট < TInt64 >

উত্তরাধিকারসূত্রে প্রাপ্ত পদ্ধতি

ধ্রুবক

সর্বজনীন স্ট্যাটিক চূড়ান্ত স্ট্রিং OP_NAME

এই অপের নাম, টেনসরফ্লো কোর ইঞ্জিন দ্বারা পরিচিত

ধ্রুবক মান: "কোথায়"

পাবলিক পদ্ধতি

সর্বজনীন আউটপুট < TInt64 > হিসাবে আউটপুট ()

টেনসরের প্রতীকী হ্যান্ডেল ফেরত দেয়।

TensorFlow অপারেশনের ইনপুট হল অন্য TensorFlow অপারেশনের আউটপুট। এই পদ্ধতিটি একটি প্রতীকী হ্যান্ডেল পেতে ব্যবহৃত হয় যা ইনপুটের গণনাকে প্রতিনিধিত্ব করে।

সর্বজনীন স্ট্যাটিক কোথায় তৈরি করুন ( স্কোপ স্কোপ, অপারেন্ড <? প্রসারিত TType > শর্ত)

একটি নতুন যেখানে অপারেশন মোড়ানো একটি ক্লাস তৈরি করার কারখানা পদ্ধতি।

পরামিতি
সুযোগ বর্তমান সুযোগ
রিটার্নস
  • যেখানে একটি নতুন উদাহরণ

সর্বজনীন আউটপুট < TInt64 > সূচক ()