TensorFlow es una biblioteca Python de código abierto diseñada por Google para desarrollar modelos de aprendizaje automático y redes neuronales de aprendizaje profundo.
Reunir() se utiliza para dividir el tensor de entrada en función de los índices proporcionados.
Sintaxis: tensorflow.gather(parámetros, índices, validar_índices, eje, lote_dims, nombre)
Parámetros:
- params: Es un Tensor con rango mayor o igual al eje+1.
- índices: Es un Tensor de dtype int32 o int64. Su valor debe estar en el rango [0, params.shape[axis]).
- eje: Es un Tensor de tipo d int32 o int64. Define el eje a partir del cual se deben recopilar los índices. El valor predeterminado es 0 y debe ser mayor que igual a batch_dims.
- batch_dims: Es un número entero que representa el número o dimensión del lote. Debe ser menor o igual que el rango (índices).
- nombre: Define el nombre para la operación.
Devoluciones:
Devuelve un Tensor que tiene el mismo dtype que param.
Ejemplo 1:
Python3
# Importing the library import tensorflow as tf # Initializing the input data = tf.constant([1, 2, 3, 4, 5, 6]) indices = tf.constant([0, 1, 2, 1]) # Printing the input print('data: ',data) print('indices: ',indices) # Calculating result res = tf.gather(data, indices) # Printing the result print('res: ',res)
Producción:
data: tf.Tensor([1 2 3 4 5 6], shape=(6,), dtype=int32) indices: tf.Tensor([0 1 2 1], shape=(4,), dtype=int32) res: tf.Tensor([1 2 3 2], shape=(4,), dtype=int32)
Ejemplo 2:
Python3
# Importing the library import tensorflow as tf # Initializing the input data = tf.constant([[1, 2], [3, 4], [5, 6]]) indices = tf.constant([2, 0, 1]) # Printing the input print('data: ',data) print('indices: ',indices) # Calculating result res = tf.gather(data, indices) # Printing the result print('res: ',res)
Producción:
data: tf.Tensor( [[1 2] [3 4] [5 6]], shape=(3, 2), dtype=int32) indices: tf.Tensor([2 0 1], shape=(3,), dtype=int32) res: tf.Tensor( [[5 6] [1 2] [3 4]], shape=(3, 2), dtype=int32)
Publicación traducida automáticamente
Artículo escrito por aman neekhara y traducido por Barcelona Geeks. The original can be accessed here. Licence: CCBY-SA