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]
![](https://www.tensorflow.org/images/DynamicPartition.png?hl=vi)
Tăng: * `InvalidArgumentError` trong các trường hợp sau: - Nếu phân vùng không nằm trong phạm vi `[0, num_partiions)` - Nếu `partitions.shape` không khớp với tiền tố của đối số `data.shape`.
Phương pháp công khai
tĩnh <T> Phân vùng động <T> | |
Trình vòng lặp< Toán hạng <T>> | trình lặp () |
Danh sách< Đầu ra <T>> | đầu ra () |
Phương pháp kế thừa
Phương pháp công khai
public static DynamicPartition <T> tạo (Phạm vi phạm vi , Dữ liệu toán hạng <T>, Phân vùng toán hạng <Integer>, numPartitions dài)
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