Python tf.raw_ops.ParallelDynamicStitch用法及代码示例

将 data 张量中的值交错成单个张量。

用法

tf.raw_ops.ParallelDynamicStitch(
    indices, data, name=None
)

构建一个合并的张量，使得

merged[indices[m][i, ..., j], ...] = data[m][i, ..., j, ...]

例如，如果每个 indices[m] 是标量或向量，我们有

# Scalar indices:
    merged[indices[m], ...] = data[m][...]

    # Vector indices:
    merged[indices[m][i], ...] = data[m][i, ...]

每个 data[i].shape 必须以相应的 indices[i].shape 开头，并且 data[i].shape 的其余部分必须是常量 w.r.t。 i 。也就是说，我们必须有 data[i].shape = indices[i].shape + constant 。就这个 constant 而言，输出形状是

merged.shape = [max(indices)] + constant

值可能会并行合并，因此如果索引同时出现在 indices[m][i] 和 indices[n][j] 中，则结果可能无效。这与在这种情况下定义行为的普通 DynamicStitch 运算符不同。

例如：

indices[0] = 6
    indices[1] = [4, 1]
    indices[2] = [[5, 2], [0, 3]]
    data[0] = [61, 62]
    data[1] = [[41, 42], [11, 12]]
    data[2] = [[[51, 52], [21, 22]], [[1, 2], [31, 32]]]
    merged = [[1, 2], [11, 12], [21, 22], [31, 32], [41, 42],
              [51, 52], [61, 62]]

此方法可用于合并由dynamic_partition 创建的分区，如下例所示：

# Apply function (increments x_i) on elements for which a certain condition
    # apply (x_i != -1 in this example).
    x=tf.constant([0.1, -1., 5.2, 4.3, -1., 7.4])
    condition_mask=tf.not_equal(x,tf.constant(-1.))
    partitioned_data = tf.dynamic_partition(
        x, tf.cast(condition_mask, tf.int32) , 2)
    partitioned_data[1] = partitioned_data[1] + 1.0
    condition_indices = tf.dynamic_partition(
        tf.range(tf.shape(x)[0]), tf.cast(condition_mask, tf.int32) , 2)
    x = tf.dynamic_stitch(condition_indices, partitioned_data)
    # Here x=[1.1, -1., 6.2, 5.3, -1, 8.4], the -1. values remain
    # unchanged.