Phân vùng `dữ liệu` thành các tenxơ `num_partitions` bằng cách sử dụng các chỉ mục từ `phân vùng`.
Đối với mỗi bộ chỉ mục `js` có kích thước `partitions.ndim`, lát cắt `data[js, ...]` trở thành một phần của `outputs[partitions[js]]`. Các lát cắt có `partitions[js] = i` được đặt trong `outputs[i]` theo thứ tự từ điển của `js`, và chiều thứ nhất của `outputs[i]` là số mục trong `partitions` bằng `tôi`. Một cách chi tiết,
outputs[i].shape = [sum(partitions == i)] + data.shape[partitions.ndim:]
outputs[i] = pack([data[js, ...] for js if partitions[js] == i])
Ví dụ:
# Scalar partitions.
partitions = 1
num_partitions = 2
data = [10, 20]
outputs[0] = [] # Empty with shape [0, 2]
outputs[1] = [[10, 20]]
# Vector partitions.
partitions = [0, 0, 1, 1, 0]
num_partitions = 2
data = [10, 20, 30, 40, 50]
outputs[0] = [10, 20, 50]
outputs[1] = [30, 40]
Hằng số
Sợi dây | OP_NAME | Tên của op này, được biết đến bởi công cụ lõi TensorFlow |
Phương pháp công khai
tĩnh <T mở rộng TType > Phân vùng động <T> | tạo (Phạm vi phạm vi , Dữ liệu toán hạng <T>, Phân vùng toán hạng < TInt32 >, Phân vùng số dài) Phương thức xuất xưởng để tạo một lớp bao bọc một thao tác DynamicPartition mới. |
Trình vòng lặp< Toán hạng <T>> | trình lặp () |
Danh sách< Đầu ra <T>> | đầu ra () |
Phương pháp kế thừa
Hằng số
Chuỗi cuối cùng tĩnh công khai OP_NAME
Tên của op này, được biết đến bởi công cụ lõi TensorFlow
Phương pháp công khai
public static DynamicPartition <T> tạo (Phạm vi phạm vi, Dữ liệu toán hạng <T>, Phân vùng toán hạng < TInt32 >, Phân vùng dài numPartitions)
Phương thức xuất xưởng để tạo một lớp bao bọc một thao tác DynamicPartition mới.
Thông số
phạm vi | phạm vi hiện tại |
---|---|
phân vùng | Bất kỳ hình dạng. Các chỉ số trong phạm vi `[0, num_partitions)`. |
số phân vùng | Số lượng phân vùng để xuất. |
Trả lại
- một phiên bản mới của DynamicPartition