Zadbaj o dobrą organizację dzięki kolekcji Zapisuj i kategoryzuj treści zgodnie ze swoimi preferencjami.

tensorflow :: ops :: GatherNd

#include <array_ops.h>

Gromadzić wycinki z params w Tensor w kształcie określonym przez indices .

streszczenie

indices są K-wymiarowej całkowitą tensora najlepiej traktowane jako (K-1) wymiarowej tensora indeksów język params , gdzie każdy element definiuje kawałek params :

output[\\(i_0, ..., i_{K-2}\\)] = params[indices[\\(i_0, ..., i_{K-2}\\)]]

Natomiast w tf.gather indices definiuje plastry język do axis wymiaru params , w tf.gather_nd , indices definiuje plastry do pierwszego N wymiarów params , gdzie N = indices.shape[-1] .

Ostatnim wymiarem indices może być co najwyżej rangi params :

indices.shape[-1] <= params.rank

Ostatni wymiar indices odpowiada elementom (jeśli indices.shape[-1] == params.rank ) lub indices.shape[-1] < params.rank (jeśli indices.shape[-1] < params.rank ) wzdłuż wymiaru indices.shape[-1] params . Tensor wyjściowy ma kształt

indices.shape[:-1] + params.shape[indices.shape[-1]:]

Zwróć uwagę, że w przypadku procesora, jeśli zostanie znaleziony poza powiązanym indeksem, zwracany jest błąd. Na GPU, jeśli zostanie znaleziony indeks poza zakresem, w odpowiedniej wartości wyjściowej zostanie zapisana wartość 0.

Kilka przykładów poniżej.

Proste indeksowanie do macierzy:

    indices = [[0, 0], [1, 1]]
    params = [['a', 'b'], ['c', 'd']]
    output = ['a', 'd']

Indeksowanie wycinków do macierzy:

    indices = [[1], [0]]
    params = [['a', 'b'], ['c', 'd']]
    output = [['c', 'd'], ['a', 'b']]

Indeksowanie do 3-tensora:

    indices = [[1]]
    params = [[['a0', 'b0'], ['c0', 'd0']],
              [['a1', 'b1'], ['c1', 'd1']]]
    output = [[['a1', 'b1'], ['c1', 'd1']]]

    indices = [[0, 1], [1, 0]]
    params = [[['a0', 'b0'], ['c0', 'd0']],
              [['a1', 'b1'], ['c1', 'd1']]]
    output = [['c0', 'd0'], ['a1', 'b1']]

    indices = [[0, 0, 1], [1, 0, 1]]
    params = [[['a0', 'b0'], ['c0', 'd0']],
              [['a1', 'b1'], ['c1', 'd1']]]
    output = ['b0', 'b1']

Indeksowanie wsadowe do macierzy:

    indices = [[[0, 0]], [[0, 1]]]
    params = [['a', 'b'], ['c', 'd']]
    output = [['a'], ['b']]

Indeksowanie podzielonych plasterków na macierz:

    indices = [[[1]], [[0]]]
    params = [['a', 'b'], ['c', 'd']]
    output = [[['c', 'd']], [['a', 'b']]]

Indeksowanie zbiorcze w 3-tensor:

    indices = [[[1]], [[0]]]
    params = [[['a0', 'b0'], ['c0', 'd0']],
              [['a1', 'b1'], ['c1', 'd1']]]
    output = [[[['a1', 'b1'], ['c1', 'd1']]],
              [[['a0', 'b0'], ['c0', 'd0']]]]

    indices = [[[0, 1], [1, 0]], [[0, 0], [1, 1]]]
    params = [[['a0', 'b0'], ['c0', 'd0']],
              [['a1', 'b1'], ['c1', 'd1']]]
    output = [[['c0', 'd0'], ['a1', 'b1']],
              [['a0', 'b0'], ['c1', 'd1']]]

    indices = [[[0, 0, 1], [1, 0, 1]], [[0, 1, 1], [1, 1, 0]]]
    params = [[['a0', 'b0'], ['c0', 'd0']],
              [['a1', 'b1'], ['c1', 'd1']]]
    output = [['b0', 'b1'], ['d0', 'c1']]

Zobacz także tf.gather i tf.batch_gather .

Argumenty:

  • zakres: obiekt Scope
  • params: tensor, z którego mają być zbierane wartości.
  • indeksy: tensor indeksów.

Zwroty:

  • Output : Wartości z params zebranych z indeksami podanymi przez indices z kształtu indices.shape[:-1] + params.shape[indices.shape[-1]:] .

Konstruktorzy i niszczyciele

GatherNd (const :: tensorflow::Scope & scope, :: tensorflow::Input params, :: tensorflow::Input indices)

Atrybuty publiczne

operation
output

Funkcje publiczne

node () const
::tensorflow::Node *
operator::tensorflow::Input () const
operator::tensorflow::Output () const

Atrybuty publiczne

operacja

Operation operation

wynik

::tensorflow::Output output

Funkcje publiczne

GatherNd

 GatherNd(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input params,
  ::tensorflow::Input indices
)

węzeł

::tensorflow::Node * node() const 

operator :: tensorflow :: Input

 operator::tensorflow::Input() const 

operator :: tensorflow :: Output

 operator::tensorflow::Output() const