Menghitung mean sepanjang segmen tensor.
Baca [bagian segmentasi](https://tensorflow.org/api_docs/python/tf/math#Segmentation) untuk penjelasan tentang segmen.
Menghitung tensor sedemikian rupa sehingga \\(output_i = \frac{\sum_j data_j}{N}\\) dimana `mean` melebihi `j` sehingga `segment_ids[j] == i` dan `N` adalah jumlah total nilai yang dijumlahkan.
Jika mean kosong untuk ID segmen tertentu `i`, `output[i] = 0`.
Misalnya:
c = tf.constant([[1.0,2,3,4], [4, 3, 2, 1], [5,6,7,8]])
tf.segment_mean(c, tf.constant([0, 0, 1]))
# ==> [[2.5, 2.5, 2.5, 2.5],
# [5, 6, 7, 8]]
Konstanta
| Rangkaian | OP_NAME | Nama operasi ini dikenal dengan mesin inti TensorFlow |
Metode Publik
| Keluaran <T> | sebagai Keluaran () Mengembalikan pegangan simbolis tensor. |
| statis <T memperluas TType > SegmentMean <T> | |
| Keluaran <T> | keluaran () Memiliki bentuk yang sama dengan data, kecuali dimensi 0 yang berukuran `k`, jumlah segmen. |
Metode Warisan
Konstanta
String akhir statis publik OP_NAME
Nama operasi ini dikenal dengan mesin inti TensorFlow
Metode Publik
Keluaran publik <T> sebagai Keluaran ()
Mengembalikan pegangan simbolis tensor.
Masukan ke operasi TensorFlow adalah keluaran dari operasi TensorFlow lainnya. Metode ini digunakan untuk mendapatkan pegangan simbolis yang mewakili perhitungan input.
public static SegmentMean <T> buat ( Lingkup cakupan , Operan <T> data, Operan <? extends TNumber > segmentIds)
Metode pabrik untuk membuat kelas yang membungkus operasi SegmentMean baru.
Parameter
| cakupan | ruang lingkup saat ini |
|---|---|
| segmenId | Tensor 1-D yang ukurannya sama dengan ukuran dimensi pertama `data`. Nilai harus diurutkan dan dapat diulang. |
Kembali
- contoh baru dari SegmentMean
Keluaran publik <T> keluaran ()
Memiliki bentuk yang sama dengan data, kecuali dimensi 0 yang berukuran `k`, jumlah segmen.