جریان تنسور:: عملیات:: Dynamic Partition

data با استفاده از شاخص های پارتیشن partitions به تانسورهای num_partitions تقسیم می کند.

خلاصه

برای هر js ایندکس با اندازه partitions.ndim ، data[js, ...] بخشی از outputs[partitions[js]] می‌شوند. برش‌های دارای partitions[js] = i به ترتیب واژگانی js در outputs[i] قرار می‌گیرند و بعد اول outputs[i] تعداد ورودی‌های partitions برابر با i است. به تفصیل،

    outputs[i].shape = [sum(partitions == i)] + data.shape[partitions.ndim:]

    outputs[i] = pack([data[js, ...] for js if partitions[js] == i])

data.shape باید با partitions.shape شروع شود.

به عنوان مثال:

    # 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]

برای مثال در مورد نحوه ادغام پارتیشن ها به dynamic_stitch مراجعه کنید.

استدلال ها:

• scope: یک شی Scope
• پارتیشن: هر شکل شاخص ها در محدوده [0, num_partitions) .
• num_partitions: تعداد پارتیشن هایی که باید خروجی بگیرند.

برمی گرداند:

• OutputList : تانسور خروجی.

صفات عمومی

Operation operation

::tensorflow::OutputList outputs

 DynamicPartition(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input data,
  ::tensorflow::Input partitions,
  int64 num_partitions
)

::tensorflow::Output operator[](
  size_t index
) const