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]#

计算数组分段的最大值。

类似于 TensorFlow 的 segment_max

参数:

  • data (ArrayLike) – 要缩减值的数组。

  • segment_ids (ArrayLike) – 一个整数 dtype 的数组，指示要缩减的 data 的段（沿其前导轴）。值可以重复，不需要排序。

  • num_segments (int | None) – 可选参数，一个非负整数，表示分段的数量。默认值为支持 segment_ids 中所有索引的最小分段数，计算方式为 max(segment_ids) + 1。由于 num_segments 决定了输出的大小，因此在使用 JIT 编译函数中的 segment_max 时必须提供一个静态值。

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

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

  • bucket_size (int | None) – 用于将索引分组的桶的大小。segment_max 在每个桶中单独执行。默认值 None 表示不分桶。

  • mode (slicing.GatherScatterMode | str | None) – 一个 jax.lax.GatherScatterMode 值，描述了如何处理越界索引。默认情况下，范围 [0, num_segments) 之外的值将被丢弃，并且不会对结果做出贡献。

返回:

一个形状为 (num_segments,) + data.shape[1:] 的数组，表示分段的最大值。

返回类型:

Array

示例

简单的 1D 分段最大值

>>> 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)