ParallelDynamicStitch

Intercalar os valores dos tensores `data` em um único tensor.

Constrói um tensor mesclado de modo que

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

Por exemplo, se cada `índices [m]` é escalar ou vetorial, temos

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

Cada `dados [i] .shape` deve começar com os` índices [i] .shape` correspondentes, e o resto de `data [i] .shape` deve ser constante em relação ao` i`. Ou seja, devemos ter `data [i] .shape = indices [i] .shape + constante`. Em termos desta `constante`, a forma de saída é

merged.shape = [max (índices)] + constante

Os valores podem ser mesclados em paralelo, portanto, se um índice aparecer em `índices [m] [i]` e `índices [n] [j]`, o resultado pode ser inválido. Isso difere do operador DynamicStitch normal que define o comportamento nesse caso.

Por exemplo:

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]]
 

Este método pode ser usado para mesclar partições criadas por `dynamic_partition` conforme ilustrado no exemplo a seguir:

# 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.