TensorFlow是Google设计的开源Python库，用于开发机器学习模型和深度学习神经网络。
dynamic_partition()用于将数据划分为多个分区。
用法：tensorflow.dynamic_partition(data, partitions, num_partitions, name)
参数：
- data:需要对输入张量进行分区。
- partitions:它是int32类型的Tensor，其数据应在[0，num_partitions)范围内。
- num_partitions:它定义了分区的数量。
- name(optional):它定义了操作的名称。
返回值：
它返回带有num_partitions个项目的张量列表。列表中的每个张量都具有与数据相同的dtype。
范例1：将数据分为两个分区
Python3
# Importing the library
import tensorflow as tf
# Initializing the input
data = [1, 2, 3, 4, 5]
num_partitions = 2
partitions = [0, 0, 1, 0, 1]
# Printing the input
print('data:', data)
print('partitions:', partitions)
print('num_partitions:', num_partitions)
# Calculating result
x = tf.dynamic_partition(data, partitions, num_partitions)
# Printing the result
print('x[0]:', x[0])
print('x[1]:', x[1])输出：
data: [1, 2, 3, 4, 5] partitions:[0, 0, 1, 0, 1] num_partitions:2 x[0]: tf.Tensor([1 2 4], shape=(3, ), dtype=int32) x[1]: tf.Tensor([3 5], shape=(2, ), dtype=int32)
范例2：分为3个张量
Python3
# Importing the library
import tensorflow as tf
# Initializing the input
data = [1, 2, 3, 4, 5, 6, 7]
num_partitions = 3
partitions = [0, 2, 1, 0, 1, 2, 2]
# Printing the input
print('data:', data)
print('partitions:', partitions)
print('num_partitions:', num_partitions)
# Calculating result
x = tf.dynamic_partition(data, partitions, num_partitions)
# Printing the result
print('x[0]:', x[0])
print('x[1]:', x[1])
print('x[2]:', x[2])输出：
data: [1, 2, 3, 4, 5, 6, 7] partitions:[0, 2, 1, 0, 1, 2, 2] num_partitions:3 x[0]: tf.Tensor([1 4], shape=(2, ), dtype=int32) x[1]: tf.Tensor([3 5], shape=(2, ), dtype=int32) x[2]: tf.Tensor([2 6 7], shape=(3, ), dtype=int32)
相关用法
注：本文由纯净天空筛选整理自aman neekhara大神的英文原创作品 Python – tensorflow.dynamic_partition()。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。