مجموع قطعات یک تانسور را محاسبه می کند.
برای توضیح بخش‌ها [بخش تقسیم‌بندی] (https://tensorflow.org/api_docs/python/tf/math#Segmentation) را بخوانید.
تانسوری را طوری محاسبه می‌کند که \\(output[i] = \sum_{j...} data[j...]\\) که مجموع آن بیش از «j...» باشد به‌طوری که «segment_ids[j...] == i». برخلاف «SegmentSum»، «segment_ids» نیازی به مرتب‌سازی ندارد و نیازی نیست همه مقادیر را در محدوده کامل مقادیر معتبر پوشش دهد.
اگر مجموع برای شناسه بخش داده شده «i» خالی باشد، «خروجی[i] = 0». اگر شناسه بخش داده شده `i` منفی باشد، مقدار حذف می شود و به مجموع بخش اضافه نمی شود.
«تعداد_بخش‌ها» باید با تعداد شناسه‌های بخش مجزا برابر باشد.
c = tf.constant([[1,2,3,4], [5,6,7,8], [4,3,2,1]])
tf.unsorted_segment_sum(c, tf.constant([0, 1, 0]), num_segments=2)
# ==> [[ 5, 5, 5, 5],
# [5, 6, 7, 8]]
ثابت ها
| رشته | OP_NAME | نام این عملیات، همانطور که توسط موتور هسته TensorFlow شناخته می شود |
روش های عمومی
| خروجی <T> | asOutput () دسته نمادین تانسور را برمی گرداند. |
| static <T TType > UnsortedSegmentSum <T> را گسترش می دهد | |
| خروجی <T> | خروجی () شکلی مشابه داده دارد، به جز اولین ابعاد «segment_ids.rank» که با یک بعد منفرد با اندازه «تعداد_بخش» جایگزین شده است. |
روش های ارثی
ثابت ها
رشته نهایی ثابت عمومی OP_NAME
نام این عملیات، همانطور که توسط موتور هسته TensorFlow شناخته می شود
روش های عمومی
خروجی عمومی <T> asOutput ()
دسته نمادین تانسور را برمی گرداند.
ورودی های عملیات TensorFlow خروجی های عملیات تنسورفلو دیگر هستند. این روش برای به دست آوردن یک دسته نمادین که نشان دهنده محاسبه ورودی است استفاده می شود.
عمومی ثابت UnsortedSegmentSum <T> ایجاد ( Scope scope، Operand <T> داده، Operand <? گسترش TNumber > segmentIds، Operand <? گسترش TNumber > numSegments)
روش کارخانه برای ایجاد کلاسی که یک عملیات UnsortedSegmentSum جدید را بسته بندی می کند.
مولفه های
| محدوده | محدوده فعلی |
|---|---|
| شناسه های بخش | تانسوری که شکل آن پیشوند «data.shape» است. |
برمی گرداند
- یک نمونه جدید از UnsortedSegmentSum
خروجی عمومی <T> خروجی ()
شکلی مشابه داده دارد، به جز اولین ابعاد «segment_ids.rank» که با یک بعد منفرد با اندازه «تعداد_بخش» جایگزین شده است.