tensorflow:: عملیات:: GatherNd

#include <array_ops.h>

برش‌هایی از params را در یک تانسور با شکلی که توسط indices مشخص شده است، جمع‌آوری کنید .

خلاصه

indices یک تانسور عدد صحیح K بعدی است که در بهترین حالت می‌توان آن را به عنوان یک تانسور (K-1) بعدی از شاخص‌ها در params در نظر گرفت، که در آن هر عنصر یک برش از params را تعریف می‌کند:

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

در حالی که در tf.gather indices برش‌هایی را در بعد اول params تعریف می‌کنند، در tf.gather_nd ، indices برش‌هایی را در N بعد اول params تعریف می‌کنند، که در آن N = indices.shape[-1] است.

آخرین بُعد indices حداکثر می‌تواند رتبه params باشد:

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

آخرین بُعد indices متناظر با عناصر (اگر indices.shape[-1] == params.rank ) یا برش‌ها (اگر indices.shape[-1] < params.rank ) در امتداد بُعد indices.shape[-1] از params باشد. تانسور خروجی شکل دارد.

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

توجه داشته باشید که در CPU، اگر یک شاخص خارج از محدوده پیدا شود، یک خطا برگردانده می‌شود. در GPU، اگر یک شاخص خارج از محدوده پیدا شود، مقدار 0 در مقدار خروجی مربوطه ذخیره می‌شود.

چند مثال در زیر.

اندیس‌گذاری ساده در یک ماتریس: 

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

تقسیم‌بندی اندیس‌ها به یک ماتریس: 

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

اندیس‌گذاری در یک تانسور ۳-تایی: 

    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']

اندیس‌گذاری دسته‌ای در یک ماتریس: 

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

اندیس‌گذاری برش‌های دسته‌بندی‌شده در یک ماتریس: 

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

اندیس‌گذاری دسته‌ای در یک تانسور ۳ تایی: 

    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']]

همچنین tf.gather و tf.batch_gather مراجعه کنید.

استدلال‌ها:

  • دامنه: یک شیء دامنه
  • پارامترها: تانسوری که مقادیر از آن جمع‌آوری می‌شوند.
  • شاخص‌ها: تانسور شاخص.

بازده:

  • Output : مقادیر params که از اندیس‌های داده شده توسط indices جمع‌آوری شده‌اند، با استفاده از shape indices.shape[:-1] + params.shape[indices.shape[-1]:] .

سازنده‌ها و مخرب‌ها

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

ویژگی‌های عمومی

operation
output

کارکردهای عمومی

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

ویژگی‌های عمومی

عملیات 

Operation operation

خروجی 

::tensorflow::Output output

کارکردهای عمومی

گردآورنده 

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

گره 

::tensorflow::Node * node() const

عملگر::tensorflow::ورودی 

 operator::tensorflow::Input() const

عملگر::tensorflow::خروجی 

 operator::tensorflow::Output() const