Odpowiedz już dziś na lokalne wydarzenie TensorFlow Everywhere!
Ta strona została przetłumaczona przez Cloud Translation API.
Switch to English

tensorflow :: ops :: DynamicStitch

#include <data_flow_ops.h>

Przeplot wartości z tensorów data do jednego tensora.

Podsumowanie

Buduje taki scalony tensor

    merged[indices[m][i, ..., j], ...] = data[m][i, ..., j, ...]

Na przykład, jeśli każdy indices[m] jest skalarny lub wektorowy, mamy

    # Scalar indices:
    merged[indices[m], ...] = data[m][...]

    # Vector indices:
    merged[indices[m][i], ...] = data[m][i, ...]

Każdy data[i].shape musi zaczynać się od odpowiednich indices[i].shape , a reszta data[i].shape musi być stała, wrt i . Oznacza to, że musimy mieć data[i].shape = indices[i].shape + constant . Jeśli chodzi o tę constant , kształt wyjściowy to

merged.shape = [max(indices)] + constant

Wartości są łączone w kolejności, więc jeśli indeks pojawia się w obu indices[m][i] i indices[n][j] dla (m,i) < (n,j) data[n][j] wycinka data[n][j] pojawią się w wyniku scalenia. Jeśli nie potrzebujesz tej gwarancji, ParallelDynamicStitch może działać lepiej na niektórych urządzeniach.

Na przykład:

    indices[0] = 6
    indices[1] = [4, 1]
    indices[2] = [[5, 2], [0, 3]]
    data[0] = [61, 62]
    data[1] = [[41, 42], [11, 12]]
    data[2] = [[[51, 52], [21, 22]], [[1, 2], [31, 32]]]
    merged = [[1, 2], [11, 12], [21, 22], [31, 32], [41, 42],
              [51, 52], [61, 62]]

Tej metody można użyć do scalenia partycji utworzonych przez dynamic_partition jak pokazano na poniższym przykładzie:

    # Apply function (increments x_i) on elements for which a certain condition
    # apply (x_i != -1 in this example).
    x=tf.constant([0.1, -1., 5.2, 4.3, -1., 7.4])
    condition_mask=tf.not_equal(x,tf.constant(-1.))
    partitioned_data = tf.dynamic_partition(
        x, tf.cast(condition_mask, tf.int32) , 2)
    partitioned_data[1] = partitioned_data[1] + 1.0
    condition_indices = tf.dynamic_partition(
        tf.range(tf.shape(x)[0]), tf.cast(condition_mask, tf.int32) , 2)
    x = tf.dynamic_stitch(condition_indices, partitioned_data)
    # Here x=[1.1, -1., 6.2, 5.3, -1, 8.4], the -1. values remain
    # unchanged.

Argumenty:

Zwroty:

Konstruktorzy i niszczyciele

DynamicStitch (const :: tensorflow::Scope & scope, :: tensorflow::InputList indices, :: tensorflow::InputList data)

Atrybuty publiczne

merged
operation

Funkcje publiczne

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

Atrybuty publiczne

połączone

::tensorflow::Output merged

operacja

Operation operation

Funkcje publiczne

DynamicStitch

 DynamicStitch(
  const ::tensorflow::Scope & scope,
  ::tensorflow::InputList indices,
  ::tensorflow::InputList data
)

węzeł

::tensorflow::Node * node() const 

operator :: tensorflow :: Input

 operator::tensorflow::Input() const 

operator :: tensorflow :: Output

 operator::tensorflow::Output() const