jax.ops.segment_prod

jax.ops.segment_prod#

jax.ops.segment_prod(data, segment_ids, num_segments=None, indices_are_sorted=False, unique_indices=False, bucket_size=None, mode=None)[source]#

计算数组中段内的乘积。

类似于 TensorFlow 的 segment_prod

参数：

  • data (ArrayLike) – 要进行归约的数值数组。

  • segment_ids (ArrayLike) – 整数类型的数组，指示 data（沿其前导轴）要进行归约的段。值可以重复，不需要排序。超出范围 [0, num_segments) 的值将被丢弃，不会对结果产生贡献。

  • num_segments (int | None | None) – 可选，一个非负整数，指示段的数量。默认设置为支持 segment_ids 中所有索引的最小段数，计算为 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 编译函数中使用 segment_prod。

  • indices_are_sorted (bool) – segment_ids 是否已知为排序的。

  • unique_indices (bool) – segment_ids 是否已知不包含重复。

  • bucket_size (int | None | None) – 用于将索引分组的桶的大小。 segment_prod 对每个桶分别执行，以提高加法的数值稳定性。默认值 None 表示不进行分桶。

  • 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，超出范围 [0, num_segments) 的值将被丢弃，并且不会对总和做出贡献。

返回值:

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

返回类型:

数组

示例

简单的 1D 分段乘积

>>> data = jnp.arange(6)
>>> segment_ids = jnp.array([0, 0, 1, 1, 2, 2])
>>> segment_prod(data, segment_ids)
Array([ 0,  6, 20], dtype=int32)

使用 JIT 需要静态的 num_segments

>>> from jax import jit
>>> jit(segment_prod, static_argnums=2)(data, segment_ids, 3)
Array([ 0,  6, 20], dtype=int32)
目录