Partisi `data` menjadi tensor `num_partitions` menggunakan indeks dari `partitions`.
Untuk setiap tuple indeks `js` dengan ukuran `partitions.ndim`, irisan `data[js, ...]` menjadi bagian dari `outputs[partitions[js]]`. Irisan dengan `partitions[js] = i` ditempatkan di `outputs[i]` dalam urutan leksikografis `js`, dan dimensi pertama `outputs[i]` adalah jumlah entri dalam `partitions` sama dengan 'saya'. Secara terperinci,
outputs[i].shape = [sum(partitions == i)] + data.shape[partitions.ndim:]
outputs[i] = pack([data[js, ...] for js if partitions[js] == i])
Misalnya:
# 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=id)
Menimbulkan: * `InvalidArgumentError` dalam kasus berikut: - Jika partisi tidak berada dalam rentang `[0, num_partiions)` - Jika `partitions.shape` tidak cocok dengan awalan argumen `data.shape`.
Metode Publik
statis <T> Partisi Dinamis <T> | |
Iterator< Operan <T>> | pengulangan () |
Daftar< Keluaran <T>> | keluaran () |
Metode Warisan
Metode Publik
public static DynamicPartition <T> buat ( Scope scope, Operand <T> data, Partisi Operand <Integer>, Long numPartitions)
Metode pabrik untuk membuat kelas yang membungkus operasi DynamicPartition baru.
Parameter
cakupan | ruang lingkup saat ini |
---|---|
partisi | Bentuk apa pun. Indeks dalam rentang `[0, num_partitions)`. |
nomorPartisi | Jumlah partisi yang akan dikeluarkan. |
Kembali
- contoh baru dari DynamicPartition