جریان تنسور:: عملیات:: جمع آوری کنید

برش ها را از params در یک تانسور با شکل مشخص شده توسط indices جمع آوری کنید .

خلاصه

indices یک تانسور عدد صحیح K بعدی است که بهتر است به عنوان یک تانسور (K-1)-بعدی از شاخص ها به params در نظر گرفته شود، که در آن هر عنصر تکه ای از params را تعریف می کند:

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

در حالی که در indices tf.gather برش‌ها را در بعد axis params تعریف می‌کند، در tf.gather_nd ، indices برش‌ها را در اولین ابعاد N params تعریف می‌کنند، جایی که N = indices.shape[-1] .

آخرین بعد indices حداکثر می تواند رتبه params باشد:

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

آخرین بعد indices مربوط به عناصر (if indices.shape[-1] == params.rank ) یا برش‌هایی (if indices.shape[-1] < params.rank ) در امتداد ابعاد indices.shape[-1] params است. . تانسور خروجی شکل دارد

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

توجه داشته باشید که در CPU، اگر یک نمایه خارج از کران پیدا شود، یک خطا برگردانده می شود. در GPU، اگر یک نمایه خارج از کران پیدا شود، 0 در مقدار خروجی مربوطه ذخیره می شود.

چند نمونه در زیر

نمایه سازی ساده در یک ماتریس:

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

برش نمایه سازی در یک ماتریس:

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

نمایه سازی در یک تانسور 3:

    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']

فهرست بندی دسته ای در یک ماتریس:

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

فهرست بندی برش دسته ای در یک ماتریس:

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

نمایه سازی دسته بندی شده در یک تانسور 3:

    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']]

همچنین tf.gather و tf.batch_gather را ببینید.

استدلال ها:

• scope: یک شی Scope
• پارامترها: تانسوری که از آن مقادیر جمع آوری می شود.
• شاخص ها: تانسور شاخص.

برمی‌گرداند:

• Output : مقادیر params جمع‌آوری‌شده از شاخص‌های داده‌شده توسط indices ، با شکل indices.shape[:-1] + params.shape[indices.shape[-1]:] .

صفات عمومی

Operation operation

::tensorflow::Output output

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

::tensorflow::Node * node() const 

 operator::tensorflow::Input() const 

 operator::tensorflow::Output() const