jax.ops.segment_min#

jax.ops.segment_min(data, segment_ids, num_segments=None, indices_are_sorted=False, unique_indices=False, bucket_size=None, mode=None)[原始碼]#

計算陣列分段內的最小值。

類似於 TensorFlow 的 segment_min

參數：

  • data (ArrayLike) – 要縮減值的陣列。

  • segment_ids (ArrayLike) – 一個整數 dtype 的陣列，指示要縮減的 data 段（沿其前導軸）。值可以重複，並且不需要排序。超出範圍 [0, num_segments) 的值將被捨棄，並且不影響結果。

  • num_segments (int | None | None) – 選項，一個非負整數值，指示分段的數量。預設值設定為支援 segment_ids 中所有索引的最小分段數，計算方式為 max(segment_ids) + 1。由於 num_segments 決定了輸出的尺寸，因此必須提供靜態值才能在 JIT 編譯的函數中使用 segment_min。

  • indices_are_sorted (bool) – segment_ids 是否已知為已排序。

  • unique_indices (bool) – segment_ids 是否已知為沒有重複值。

  • bucket_size (int | None | None) – 將索引分組到 bucket 中的大小。segment_min 會在每個 bucket 上分別執行。預設值 None 表示不進行 bucketing。

  • mode (lax.GatherScatterMode | None | None) – jax.lax.GatherScatterMode 值，描述應如何處理超出範圍的索引。依預設，超出範圍 [0, num_segments) 的值將被捨棄，並且不影響總和。

返回：

一個形狀為 (num_segments,) + data.shape[1:] 的陣列，表示分段最小值。

返回類型：

Array

範例

簡單的 1D 分段最小值

>>> data = jnp.arange(6)
>>> segment_ids = jnp.array([0, 0, 1, 1, 2, 2])
>>> segment_min(data, segment_ids)
Array([0, 2, 4], dtype=int32)

使用 JIT 需要靜態 num_segments

>>> from jax import jit
>>> jit(segment_min, static_argnums=2)(data, segment_ids, 3)
Array([0, 2, 4], dtype=int32)