TensorFlow是Google設計的開源Python庫，用於開發機器學習模型和深度學習神經網絡。
dynamic_partition()用於將數據劃分為多個分區。
用法：tensorflow.dynamic_partition(data, partitions, num_partitions, name)
參數：
- data:需要對輸入張量進行分區。
- partitions:它是int32類型的Tensor，其數據應在[0，num_partitions)範圍內。
- num_partitions:它定義了分區的數量。
- name(optional):它定義了操作的名稱。
返回值：
它返回帶有num_partitions個項目的張量列表。列表中的每個張量都具有與數據相同的dtype。
範例1：將數據分為兩個分區
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])輸出：
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)
範例2：分為3個張量
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])輸出：
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)
相關用法
注：本文由純淨天空篩選整理自aman neekhara大神的英文原創作品 Python – tensorflow.dynamic_partition()。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。