เทนเซอร์โฟลว์:: ปฏิบัติการ:: รวบรวมNd

#include <array_ops.h>

รวบรวม ชิ้นส่วนจาก params ลงใน เทนเซอร์ ที่มีรูปร่างที่ระบุโดย indices

สรุป

indices เป็นเทนเซอร์จำนวนเต็ม K-มิติ ซึ่งคิดว่าดีที่สุดในฐานะเทนเซอร์มิติ (K-1) ของดัชนีใน params โดยที่แต่ละองค์ประกอบจะกำหนดส่วนของ params :

output[\\(i_0, ..., i_{K-2}\\)] = params[indices[\\(i_0, ..., i_{K-2}\\)]]

ในขณะที่ indices tf.gather กำหนดการแบ่งส่วนเป็นมิติแรกของ params ใน tf.gather_nd indices จะกำหนดการแบ่งส่วนเป็นมิติ N แรกของ params โดยที่ N = indices.shape[-1]

มิติสุดท้ายของ indices สามารถอยู่ในอันดับของ params ได้มากที่สุด :

indices.shape[-1] <= params.rank

มิติสุดท้ายของ indices สอดคล้องกับองค์ประกอบ (ถ้า indices.shape[-1] == params.rank ) หรือชิ้น (ถ้า indices.shape[-1] < params.rank ) ตามมิติ indices.shape[-1] ของ params . เทนเซอร์เอาท์พุตมีรูปร่าง

indices.shape[:-1] + params.shape[indices.shape[-1]:]

โปรดทราบว่าบน CPU หากพบดัชนีนอกขอบเขต ข้อผิดพลาดจะถูกส่งกลับ บน GPU หากพบดัชนีนอกขอบเขต 0 จะถูกเก็บไว้ในค่าเอาต์พุตที่สอดคล้องกัน

ตัวอย่างบางส่วนด้านล่าง

การจัดทำดัชนีอย่างง่ายในเมทริกซ์: 

    indices = [[0, 0], [1, 1]]
    params = [['a', 'b'], ['c', 'd']]
    output = ['a', 'd']

การจัดทำดัชนีชิ้นเป็นเมทริกซ์: 

    indices = [[1], [0]]
    params = [['a', 'b'], ['c', 'd']]
    output = [['c', 'd'], ['a', 'b']]

การจัดทำดัชนีเป็น 3 เทนเซอร์: 

    indices = [[1]]
    params = [[['a0', 'b0'], ['c0', 'd0']],
              [['a1', 'b1'], ['c1', 'd1']]]
    output = [[['a1', 'b1'], ['c1', 'd1']]]

    indices = [[0, 1], [1, 0]]
    params = [[['a0', 'b0'], ['c0', 'd0']],
              [['a1', 'b1'], ['c1', 'd1']]]
    output = [['c0', 'd0'], ['a1', 'b1']]

    indices = [[0, 0, 1], [1, 0, 1]]
    params = [[['a0', 'b0'], ['c0', 'd0']],
              [['a1', 'b1'], ['c1', 'd1']]]
    output = ['b0', 'b1']

การจัดทำดัชนีแบบแบตช์เป็นเมทริกซ์: 

    indices = [[[0, 0]], [[0, 1]]]
    params = [['a', 'b'], ['c', 'd']]
    output = [['a'], ['b']]

การจัดทำดัชนีชิ้นแบบเป็นชุดลงในเมทริกซ์: 

    indices = [[[1]], [[0]]]
    params = [['a', 'b'], ['c', 'd']]
    output = [[['c', 'd']], [['a', 'b']]]

การจัดทำดัชนีแบบแบตช์เป็น 3 เทนเซอร์: 

    indices = [[[1]], [[0]]]
    params = [[['a0', 'b0'], ['c0', 'd0']],
              [['a1', 'b1'], ['c1', 'd1']]]
    output = [[[['a1', 'b1'], ['c1', 'd1']]],
              [[['a0', 'b0'], ['c0', 'd0']]]]

    indices = [[[0, 1], [1, 0]], [[0, 0], [1, 1]]]
    params = [[['a0', 'b0'], ['c0', 'd0']],
              [['a1', 'b1'], ['c1', 'd1']]]
    output = [[['c0', 'd0'], ['a1', 'b1']],
              [['a0', 'b0'], ['c1', 'd1']]]

    indices = [[[0, 0, 1], [1, 0, 1]], [[0, 1, 1], [1, 1, 0]]]
    params = [[['a0', 'b0'], ['c0', 'd0']],
              [['a1', 'b1'], ['c1', 'd1']]]
    output = [['b0', 'b1'], ['d0', 'c1']]

ดูเพิ่มเติมที่ tf.gather และ tf.batch_gather

ข้อโต้แย้ง:

  • ขอบเขต: วัตถุ ขอบเขต
  • params: เทนเซอร์ที่ใช้รวบรวมค่าต่างๆ
  • ดัชนี: ดัชนีเทนเซอร์

ผลตอบแทน:

  • Output : ค่าจาก params ที่รวบรวมจากดัชนีที่กำหนดโดย indices โดยมีรูปร่าง indices.shape[:-1] + params.shape[indices.shape[-1]:]

ตัวสร้างและผู้ทำลาย

GatherNd (const :: tensorflow::Scope & scope, :: tensorflow::Input params, :: tensorflow::Input indices)

คุณลักษณะสาธารณะ

operation
output

งานสาธารณะ

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

คุณลักษณะสาธารณะ

การดำเนินการ 

Operation operation

เอาท์พุท 

::tensorflow::Output output

งานสาธารณะ

รวบรวมNd 

 GatherNd(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input params,
  ::tensorflow::Input indices
)

โหนด 

::tensorflow::Node * node() const

ตัวดำเนินการ::tensorflow::อินพุต 

 operator::tensorflow::Input() const

ตัวดำเนินการ::tensorflow::เอาต์พุต 

 operator::tensorflow::Output() const