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

tensorflow :: ops :: ParallelConcat

#include <array_ops.h>

Łączy listę N tensorów wzdłuż pierwszego wymiaru.

streszczenie

Wszystkie tensory wejściowe muszą mieć rozmiar 1 w pierwszym wymiarze.

Na przykład:

# 'x' is [[1, 4]]
# 'y' is [[2, 5]]
# 'z' is [[3, 6]]
parallel_concat([x, y, z]) => [[1, 4], [2, 5], [3, 6]]  # Pack along first dim.

Różnica między concat i parallel_concat polega na tym, że concat wymaga obliczenia wszystkich danych wejściowych przed rozpoczęciem operacji, ale nie wymaga, aby kształty wejściowe były znane podczas tworzenia wykresu. Łączenie równoległe kopiuje fragmenty danych wejściowych do danych wyjściowych, gdy staną się dostępne, w niektórych sytuacjach może to zapewnić korzyści w zakresie wydajności.

Argumenty:

  • zakres: obiekt Scope
  • wartości: tensory do łączenia. Wszystkie muszą mieć rozmiar 1 w pierwszym wymiarze i ten sam kształt.
  • kształt: ostateczny kształt wyniku; powinien być równy kształtom dowolnego wejścia, ale z liczbą wartości wejściowych w pierwszym wymiarze.

Zwroty:

  • Output : połączony tensor.

Konstruktorzy i niszczyciele

ParallelConcat (const :: tensorflow::Scope & scope, :: tensorflow::InputList values, PartialTensorShape shape)

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

ParallelConcat

 ParallelConcat(
  const ::tensorflow::Scope & scope,
  ::tensorflow::InputList values,
  PartialTensorShape shape
)

węzeł

::tensorflow::Node * node() const 

operator :: tensorflow :: Input

 operator::tensorflow::Input() const 

operator :: tensorflow :: Output

 operator::tensorflow::Output() const