tf.dynamic_stitch

参考   tf.dynamic_stitch - 云+社区 - 腾讯云

把数据张量的值交错成一个张量。

tf.dynamic_stitch(
    indices,
    data,
    name=None
)

建立一个这样的合并张量。

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

例如，如果每个指标[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必须从相应的指标[i]开始。形状和其他数据[i]。形状必须是恒定的，也就是说，我们必须有data[i].shape = indices[i].shape + constant。根据这个常数，输出形状是

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

值按顺序合并，因此，如果(m,i) < (n,j)的索引[m][i]和索引[n][j]同时出现，则切片数据[n][j]将出现在合并结果中。如果不需要这种保证，ParallelDynamicStitch在某些设备上的性能可能更好。

例：

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]]

这个方法可以用来合并dynamic_partition创建的分区，如下面的例子所示：

# 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.

                           

参数：

• indices:包含至少一个int32类型张量对象的列表。
• data:与相同类型张量对象的索引长度相同的列表。
• name:操作的名称(可选)。

返回值：

• 一个张量。具有与数据相同的类型。