如何插入TensorFlow數(shù)據(jù)張量的值

tf.dynamic_stitch

dynamic_stitch(
    indices,
    data,
    name=None
)

參見指南：張量變換>分割和連接

將數(shù)據(jù)張量的值插入一個張量.

建立一個合并的張量

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

例如,如果每個 indices[m] 都是標量或向量,則我們有：

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

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

每個 data[i].shape 必須以相應的 indices[i].shape 開始,并且其余的 data[i].shape 必須是恒定的 w.r.t.i.也就是說我們必須有 data[i].shape = indices[i].shape + constant.就這個常量而言,輸出形狀為：

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

將按順序合并值,因此,如果一個索引同時出現(xiàn)在 indices[m][i] 和 indices[n][j],并且 (m,i) < (n,j),那么切片 data[n][j] 會出現(xiàn)在合并后的結果中.

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 創(chuàng)建的分區(qū),如以下示例所示:

# 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.

ARGS：

• indices：至少有一個 int32 類型的張量對象的列表.
• data：與相同類型的張量對象的索引長度相同的列表.
• name：操作的名稱(可選).

返回：

返回張量.與數(shù)據(jù)具有相同的類型.