tf.segment_sum和tf.unsorted_segment_sum

c = tf.constant([[1,2,3,4], [-1,-2,-3,-4], [5,6,7,8]])
result = tf.segment_sum(c, tf.constant([0, 0, 1]))#第二个参数长度必须为3
result_ = tf.segment_sum(c, tf.constant([0, 1, 1]))
result__ = tf.segment_sum(c, tf.constant([0, 1, 2]))
result2 = tf.unsorted_segment_sum(c, tf.constant([2, 1, 1]),3)#第二个参数长度必须为3
result3 = tf.unsorted_segment_sum(c, tf.constant([1, 0, 1]),2)
#result4 = tf.unsorted_segment_sum(c, tf.constant([2, 0, 1]),2) #错误，segment_ids[0] = 2 is out of range [0, 2)
result4 = tf.unsorted_segment_sum(c, tf.constant([2, 0, 1]),3)
result5 = tf.unsorted_segment_sum(c, tf.constant([3, 1, 0]),5)
sess = tf.Session()
print("result")
print(sess.run(result))
print("result_")
print(sess.run(result_))
print("result__")
print(sess.run(result__))
print("result2")
print(sess.run(result2))
print("result3")
print(sess.run(result3))
print("result4")
print(sess.run(result4))
print("result5")
print(sess.run(result5))

输出结果：

result
[[0 0 0 0]
[5 6 7 8]]
result_
[[1 2 3 4]
[4 4 4 4]]
result__
[[ 1 2 3 4]
[-1 -2 -3 -4]
[ 5 6 7 8]]
result2
[[0 0 0 0]
[4 4 4 4]
[1 2 3 4]]
result3
[[-1 -2 -3 -4]
[ 6 8 10 12]]
result4
[[-1 -2 -3 -4]
[ 5 6 7 8]
[ 1 2 3 4]]
result5
[[ 5 6 7 8]
[-1 -2 -3 -4]
[ 0 0 0 0]
[ 1 2 3 4]
[ 0 0 0 0]]

第二个方法名称上和第一个方法比多了一个unsorted，意思是第二个参数，segmentids可以是无序的，但是第一个方法必须是有序的。还有就是segmentids的size必须和da ta的第一维度长度一致，因为这个是一个近似所以的关系。

tf.segment_sum：

c = tf.constant([[1,2,3,4], [-1,-2,-3,-4], [5,6,7,8]])
result = tf.segment_sum(c, tf.constant([0, 0, 1]))#第二个参数长度必须为3

因为是[0，0，1]，所以[1,2,3,4], [-1,-2,-3,-4]相加，[5,6,7,8]不变，因此输出结果[[0 0 0 0]
[5 6 7 8]]

result_ = tf.segment_sum(c, tf.constant([0, 1, 1]))

因为[0,1,1]所以第一个位置[1,2,3,4]不变，第二个位置[-1,-2,-3,-4], [5,6,7,8]相加，输出

[[1 2 3 4]
[4 4 4 4]]
result__ = tf.segment_sum(c, tf.constant([0, 1, 2]))

因为[0，1，2]三个值都不一样，所以都不相加，输出结果

扫描二维码关注公众号，回复： 5516491 查看本文章

[[ 1 2 3 4]
[-1 -2 -3 -4]
[ 5 6 7 8]]

tf.unsorted_segment_sum：

和前面的方法一样，不同之处就是ids可以是无序的，但是结果输出还是要按照顺序输出，同时还多了一个参数

num_segments，指定了输出的维度。

c = tf.constant([[1,2,3,4], [-1,-2,-3,-4], [5,6,7,8]])

result2 = tf.unsorted_segment_sum(c, tf.constant([2, 1, 1]),3)#第二个参数长度必须为3

因为ids[2, 1, 1]，所以1的位置两个相加放在1的位置， [-1,-2,-3,-4], [5,6,7,8]相加,[1,2,3,4]不变放在2的位置，但是nu m_segments为3，所以最后输出应该size为3，在0的位置用0补齐，最后结果为

[[0 0 0 0]
[4 4 4 4]
[1 2 3 4]]
result3 = tf.unsorted_segment_sum(c, tf.constant([1, 0, 1]),2)

[1,2,3,4]，[5,6,7,8]相加放在1的位置， [-1,-2,-3,-4]不变放在0的位置，输出

[[-1 -2 -3 -4]
[ 6 8 10 12]]
#result4 = tf.unsorted_segment_sum(c, tf.constant([2, 0, 1]),2) #错误，segment_ids[0] = 2 is out of range [0, 2)
result4 = tf.unsorted_segment_sum(c, tf.constant([2, 0, 1]),3)

不需要相加，因为ids都不同，按顺序输出

[[-1 -2 -3 -4]
[ 5 6 7 8]
[ 1 2 3 4]]
result5 = tf.unsorted_segment_sum(c, tf.constant([3, 1, 0]),5)

不想要相加，按顺序输出，因为没有2，4，所以在2和4的位置用0补齐

[[ 5 6 7 8]
[-1 -2 -3 -4]
[ 0 0 0 0]
[ 1 2 3 4]
[ 0 0 0 0]]

tf.segment_sum和tf.unsorted_segment_sum

猜你喜欢