`विभाजन` से सूचकांकों का उपयोग करके `डेटा` को `num_partitions` टेंसर में विभाजित करें।
`partitions.ndim` आकार के प्रत्येक इंडेक्स टुपल `js` के लिए, स्लाइस `data[js, ...]` `आउटपुट[partitions[js]]` का हिस्सा बन जाता है। `विभाजन[js] = i` वाले स्लाइस को `आउटपुट[i]` में `js` के शब्दकोषीय क्रम में रखा गया है, और `आउटपुट[i]` का पहला आयाम `विभाजन` में प्रविष्टियों की संख्या के बराबर है `मैं`. विस्तार से,
outputs[i].shape = [sum(partitions == i)] + data.shape[partitions.ndim:]
outputs[i] = pack([data[js, ...] for js if partitions[js] == i])
उदाहरण के लिए:
# 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]
![](https://www.tensorflow.org/images/DynamicPartition.png?hl=hi)
उठाता है: * निम्नलिखित मामलों में `InvalidArgumentError`: - यदि विभाजन `[0, num_partiions)` श्रेणी में नहीं है - यदि `partitions.shape`` data.shape` तर्क के उपसर्ग से मेल नहीं खाता है।
सार्वजनिक तरीके
स्थिर <टी> गतिशील विभाजन <टी> | |
इटरेटर< ऑपरेंड <टी>> | पुनरावर्तक () |
सूची< आउटपुट <टी>> | आउटपुट () |
विरासत में मिले तरीके
सार्वजनिक तरीके
सार्वजनिक स्थैतिक डायनामिकपार्टिशन <टी> बनाएं ( स्कोप स्कोप, ऑपरेंड <टी> डेटा, ऑपरेंड <इंटेगर> विभाजन, लंबी संख्या विभाजन)
एक नए डायनामिकपार्टिशन ऑपरेशन को लपेटकर एक क्लास बनाने की फ़ैक्टरी विधि।
पैरामीटर
दायरा | वर्तमान दायरा |
---|---|
विभाजन | कोई भी आकार. `[0, num_partitions)` श्रेणी में सूचकांक। |
संख्याविभाजन | आउटपुट के लिए विभाजनों की संख्या. |
रिटर्न
- डायनामिकपार्टिशन का एक नया उदाहरण