Python – tensorflow.math.unsorted_segment_prod()

TensorFlow es una biblioteca Python de código abierto diseñada por Google para desarrollar modelos de aprendizaje automático y redes neuronales de aprendizaje profundo.

unsorted_segment_prod() se usa para encontrar el producto de los segmentos.

Sintaxis: tensorflow.math.unsorted_segment_prod( data, segment_ids, num_segments, name )

Parámetro:

• datos: Es un tensor. Los dtypes permitidos son float32, float64, int32, uint8, int16, int8, int64, bfloat16, uint16, half, uint32, uint64.
• segment_ids: es un tensor 1-D con valores ordenados. Su tamaño debe ser igual al tamaño de la primera dimensión de los datos. Representa el número de ID de segmentos distintos. Los dtypes permitidos son int32 e int64.
• num_segments: Es un Tensor. Los dtypes permitidos son int32 e int64.
• name(opcional): Define el nombre de la operación.

Retorno: Devuelve un tensor de tipo d como x.

Ejemplo 1:

# importing the library
import tensorflow as tf
  
# Initializing the input tensor
data = tf.constant([1, 2, 3])
segment_ids = tf.constant([2, 2, 2])
  
# Printing the input tensor
print('data: ', data)
print('segment_ids: ', segment_ids)
  
# Calculating result
res = tf.math.unsorted_segment_prod(data, segment_ids, tf.constant(3))
  
# Printing the result
print('Result: ', res)

Producción:

data:  tf.Tensor([1 2 3], shape=(3, ), dtype=int32)
segment_ids:  tf.Tensor([2 2 2], shape=(3, ), dtype=int32)
Result:  tf.Tensor([1 1 6], shape=(3, ), dtype=int32)

Ejemplo 2:

# importing the library
import tensorflow as tf
  
# Initializing the input tensor
data = tf.constant([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
segment_ids = tf.constant([0, 0, 2])
  
# Printing the input tensor
print('data: ', data)
print('segment_ids: ', segment_ids)
  
# Calculating result
res = tf.math.unsorted_segment_prod(data, segment_ids, tf.constant(3))
  
# Printing the result
print('Result: ', res)

Producción:

data:  tf.Tensor(
[[1 2 3]
 [4 5 6]
 [7 8 9]], shape=(3, 3), dtype=int32)
segment_ids:  tf.Tensor([0 0 2], shape=(3, ), dtype=int32)
Result:  tf.Tensor(
[[ 4 10 18]
 [ 1  1  1]
 [ 7  8  9]], shape=(3, 3), dtype=int32)