tensorflow::ops::GatherNd

#include <array_ops.h>

รวบรวม ส่วนต่างๆ จาก params เข้าไว้ใน เทนเซอร์ ที่มีรูปร่างตามที่ระบุโดย indices

สรุป

indices คือเทนเซอร์จำนวนเต็ม K มิติ ซึ่งอาจมองได้ว่าเป็นเทนเซอร์ดัชนีมิติ (K-1) ใน params โดยที่แต่ละองค์ประกอบกำหนดส่วนย่อยของ params :

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

ในขณะที่ใน tf.gather indices จะกำหนดส่วนย่อยในมิติแรกของ params ใน tf.gather_nd indices จะกำหนดส่วนย่อยในมิติ N แรกของ params โดยที่ N = indices.shape[-1]

มิติสุดท้ายของ indices สามารถมีค่าได้มากที่สุดเท่ากับอันดับของ params :

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

มิติสุดท้ายของ indices จะสอดคล้องกับองค์ประกอบ (ถ้า indices.shape[-1] == params.rank ) หรือส่วนย่อย (ถ้า indices.shape[-1] < params.rank ) ตามมิติ indices.shape[-1] ของ params เทนเซอร์เอาต์พุตมีรูปร่าง

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

โปรดทราบว่าบน CPU หากพบดัชนีที่อยู่นอกขอบเขต จะส่งคืนข้อผิดพลาด บน GPU หากพบดัชนีที่อยู่นอกขอบเขต ค่า 0 จะถูกเก็บไว้ในค่าเอาต์พุตที่เกี่ยวข้อง

ตัวอย่างบางส่วนอยู่ด้านล่าง

การกำหนดดัชนีอย่างง่ายลงในเมทริกซ์: 

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

การแบ่งส่วนดัชนีลงในเมทริกซ์: 

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

การจัดทำดัชนีลงในเทนเซอร์ 3 มิติ: 

    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']

การจัดทำดัชนีแบบกลุ่มลงในเมทริกซ์: 

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

การจัดทำดัชนีสไลซ์แบบกลุ่มลงในเมทริกซ์: 

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

การจัดทำดัชนีแบบกลุ่มลงในเทนเซอร์ 3 มิติ: 

    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']]

ดูเพิ่มเติม tf.gather และ tf.batch_gather

ข้อโต้แย้ง:

  • ขอบเขต: วัตถุ ขอบเขต
  • พารามิเตอร์: เทนเซอร์ที่จะใช้รวบรวมค่าต่างๆ
  • ดัชนี: เทนเซอร์ดัชนี

การส่งคืนสินค้า:

  • Output : ค่าจาก params ที่รวบรวมจากดัชนีที่กำหนดโดย indices โดยมีรูปร่างเป็น indices.shape[:-1] + params.shape[indices.shape[-1]:]

ตัวสร้างและตัวทำลาย

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

คุณลักษณะสาธารณะ

operation
output

หน้าที่สาธารณะ

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

คุณลักษณะสาธารณะ

การดำเนินการ 

Operation operation

เอาต์พุต 

::tensorflow::Output output

หน้าที่สาธารณะ

รวบรวมและ 

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

โหนด 

::tensorflow::Node * node() const

ตัวดำเนินการ::เทนเซอร์โฟลว์::อินพุต 

 operator::tensorflow::Input() const

ตัวดำเนินการ::เทนเซอร์โฟลว์::เอาต์พุต 

 operator::tensorflow::Output() const