ParallelDynamicStitch

「data」テンソルの値を単一のテンソルにインターリーブします。

次のようなマージされたテンソルを構築します。

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

たとえば、各 `indices[m]` がスカラーまたはベクトルの場合、次のようになります。

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

各 `data[i].shape` は対応する `indices[i].shape` で始まらなければならず、`data[i].shape` の残りの部分は `i` に関して定数でなければなりません。つまり、`data[i].shape = indices[i].shape + constant` でなければなりません。この「定数」に関して、出力の形状は次のようになります。

merged.shape = [max(indexes)] + 定数

値は並行してマージされる可能性があるため、インデックスが `indices[m][i]` と `indices[n][j]` の両方に出現する場合、結果は無効になる可能性があります。これは、その場合の動作を定義する通常の DynamicStitch オペレータとは異なります。

例えば：

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]]
 

このメソッドは、次の例に示すように、「dynamic_partition」によって作成されたパーティションをマージするために使用できます。

# 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.