jax.ops.segment_max#

jax.ops.segment_max(data, segment_ids, num_segments=None, indices_are_sorted=False, unique_indices=False, bucket_size=None, mode=None)[源代码]#

计算数组各段中的最大值。

类似于 TensorFlow 的 segment_max

参数:

  • data (ArrayLike) – 一个包含待缩减值的数组。

  • segment_ids (ArrayLike) – 一个整数类型的数组，指示要缩减的 data 的段（沿着其前导轴）。值可以重复，无需排序。超出范围 [0, num_segments) 的值将被丢弃，不计入结果。

  • num_segments (int | None | None) – 可选，一个非负整数，指示段的数量。默认值设置为支持 segment_ids 中所有索引的最小段数，计算方式为 max(segment_ids) + 1。由于 num_segments 确定了输出的大小，因此必须提供静态值才能在 JIT 编译的函数中使用 segment_max。

  • indices_are_sorted (bool) – 指示是否已知 segment_ids 已排序。

  • unique_indices (bool) – 指示是否已知 segment_ids 没有重复项。

  • bucket_size (int | None | None) – 将索引分组到的桶的大小。 segment_max 在每个桶上单独执行。默认 None 表示不分桶。

  • mode (lax.GatherScatterMode | None | None) – 一个 jax.lax.GatherScatterMode 值，描述应如何处理越界索引。默认情况下，超出范围 [0, num_segments) 的值将被丢弃，不计入总和。

返回:

一个形状为 (num_segments,) + data.shape[1:] 的数组，表示段最大值。

返回类型:

数组

示例

简单的 1D 段最大值

>>> data = jnp.arange(6)
>>> segment_ids = jnp.array([0, 0, 1, 1, 2, 2])
>>> segment_max(data, segment_ids)
Array([1, 3, 5], dtype=int32)

使用 JIT 需要静态 num_segments

>>> from jax import jit
>>> jit(segment_max, static_argnums=2)(data, segment_ids, 3)
Array([1, 3, 5], dtype=int32)