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)[来源]#

计算数组分段内的最小值。

类似于 TensorFlow 的 segment_min

参数:

  • data (ArrayLike) – 一个包含要缩减的值的数组。

  • segment_ids (ArrayLike) – 一个整数类型数组，指示要缩减的 data 的段（沿其前导轴）。值可以重复，并且不需要排序。范围 [0, num_segments) 之外的值将被丢弃，并且不会影响结果。

  • num_segments (int | None | None) – 可选，一个非负整数值，表示段的数量。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 决定了输出的大小，因此必须提供静态值才能在 JIT 编译的函数中使用 segment_min。

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

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

  • bucket_size (int | None | None) – 将索引分组到桶中的桶大小。 segment_min 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，描述如何处理越界索引。默认情况下，范围 [0, num_segments) 之外的值将被丢弃，并且不会影响总和。

返回:

一个形状为 (num_segments,) + data.shape[1:] 的数组，表示分段最小值。

返回类型:

数组

示例

简单的 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 需要静态的 num_segments

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