- 综合排序
- 最热优先
- 最新优先
- 来自专栏计算机视觉理论及其实现
tf.gather
tf.gather( params, indices, validate_indices=None, name=None, axis=0)根据索引从params坐标轴中收集切片 原链接: https://tensorflow.google.cn/versions/r1.9/api_docs/python/tf/gather?hl=en
1.4K30编辑于 2022-09-04 - 来自专栏计算机视觉理论及其实现
tf.gather_nd()
Gather slices from params into a Tensor with shape specified by indices.tf.gather_nd( params, indices slice of params:output[\\(i_0, ..., i_{K-2}\\)] = params[indices[\\(i_0, ..., i_{K-2}\\)]]Whereas in tf.gather indices defines slices into the first dimension of params, in tf.gather_nd, indices defines slices into The tensor from which to gather values.indices: A Tensor. Has the same type as params.Compat aliasestf.compat.v2.gather_nd
87420编辑于 2022-09-03 - 来自专栏计算机视觉理论及其实现
tf.gather_nd
tf.gather_nd( params, indices, batch_dims=0, name=None)指标是一个k维整数张量，最好考虑为(K-1)张量的指标到帕拉姆，其中每个元素定义了帕拉姆的一个切片 :output[\\(i_0, ..., i_{K-2}\\)] = params[indices[\\(i_0, ..., i_{K-2}\\)]]而在tf.gather索引中，将切片定义为params 的第一个维度，而在tf.gather_nd中，索引将切片定义为params的第一个N个维度，其中N = indices.shape[-1]。 如果“params”和“indexes”都具有领先的批处理维度，则使用“batch_dims”参数以批处理模式运行gather_nd。
1.8K10编辑于 2022-09-03 - 来自专栏蓝天
Fast Scatter-Gather IO
Instead, many platforms provide special high-speed primitives to perform these scatter-gather operations
78240发布于 2018-08-07 - 来自专栏Small Code
理解 PyTorch 中的 gather 函数
今天来水一文，说一说最近工作上遇到的一个函数：torch.gather() 。 torch.gather() 的官方解释是 Gathers values along an axis specified by dim. 就是在指定维度上 gather value。 那么怎么 gather、gather 哪些 value 呢？这就要看其参数了。 which to index index (LongTensor) – the indices of elements to gather 所以一句话概括 gather 操作就是：根据 index ， Reference torch.gather — PyTorch 1.9.0 documentation numpy.take — NumPy v1.21 Manual tf.gather | TensorFlow
2.6K40编辑于 2021-12-07 - 来自专栏AI机器学习与深度学习算法
PyTorch入门笔记-gather选择函数
gather torch.gather(*input,dim,index,sparse_grad=False, out=None*) 函数沿着指定的轴 dim 上的索引 index 采集输入张量 input 为了方便这里只考虑必选参数，即 torch.gather(input, dim, index)。 简单介绍完 gather 函数之后，来看一个简单的小例子：一次将下面 2D 张量中所有红色的元素采集出来。 回顾 torch.gather(input, dim, index) 函数沿着指定轴上的索引采集输入张量的元素值，貌似现在已知的条件和 gather 函数中所需要的参数有些谋和。 下面我们来尝试一下使用 gather 函数来采集红色元素。
4.2K30发布于 2020-12-16 - 来自专栏Linux内核远航者
深入理解Linux内核之mmu-gather操作
相关的主要数据结构有三个： struct mmu_gather struct mmu_table_batch struct mmu_gather_batch 1）mmu_gather 来表示一次mmu struct mmu_gather { struct mm_struct *mm; #ifdef CONFIG_MMU_GATHER_TABLE_FREE mmu_gather_batch local; struct page *__pages[MMU_GATHER_BUNDLE 2.2 总体调用 通常mmu-gather操作由一下几部分函数组成： tlb_gather_mmu unmap_vmas free_pgtables tlb_finish_mmu 其中tlb_gather_mmu 2.3 tlb_gather_mmu 这个函数主要是初始化从进程内核栈中传递过来的mmu_gather结构。
2.8K63编辑于 2022-04-28 - 来自专栏小麦苗的DB宝专栏
PG开源的巡检工具pg_gather
简介 https://github.com/jobinau/pg_gather This is a single SQL-only script for gathering performance and 安装 wget https://codeload.github.com/jobinau/pg_gather/tar.gz/refs/tags/v16 -O pg_gather-16.tar.gz tar -zxvf pg_gather-16.tar.gz cd pg_gather-16 报告生成 -- 采集数据 psql -U postgres -h 172.17.0.2 -X -f gather.sql Output/d; /^SELECT pg_sleep/d; /^PREPARE/d; /^\s*$/d' out.txt | psql -U postgres -h 172.17.0.2 -f gather_schema.sql -f - -- 生成报告 psql -U postgres -h 172.17.0.2 -X -f gather_report.sql > GatherReport.html 报告使用浏览器打开
1.4K20编辑于 2022-11-07 - 来自专栏MixLab科技+设计实验室
Gather，数百万人的元宇宙
喝不醉 shadow ML869 https://gather.town/app/xxxxxx/sunset 试试能进来吗？ 进来前会要求先设置一下自己的形象 Metaverse Gather.town 2021.9.14 视频聊天平台 Centered around fully customizable spaces, Gather 的使命是消除人们生活中的这些限制。 通过构建Metaverse 来实现这一目标，Metaverse是物理世界上的一个虚拟层，人们可以在其中工作、社交和学习。 Gather自 2020 年 5 月推出以来，已聚集了数百万用户，他们使用Gather的创建工具，用户可以构建自定义的、可交互的虚拟空间。 视频会议 游戏 文档共享 白板协作 连Gather的团队介绍，都可以按照产品的方式表达：我们是一个友好的小型团队，基于最先进的虚拟办公室，您可以随时随地工作。
2.8K41发布于 2021-10-12 - 来自专栏醉程序
Java NIO 系列学习 05 - Scatter and Gather
Java NIO 提供了内置的Scatter和Gather支持。Scatter和Gatter是用于读写Channel的概念。 Gather从多个Buffer中拿到数据，然后写到一个Channel中。 在我们需要分开处理传输数据的各个部分时很有用。 因此是动态的 参考 Java NIO Scatter and Gather
51920发布于 2019-12-29 - 来自专栏数据库相关
使用pg_gather巡检数据库
pg_gather只需要psql而不需要其他库或可执行文件。3. 下载源码git clone https://github.com/jobinau/pg_gather.gitcd pg_gather1. 数据收集要收集配置和性能信息，gather.sql请使用以下命令对数据库运行脚本psql：psql <connection_parameters_if_any> -X -f gather.sql > out.tsv */NULL/' gather.sql1. 样例git clone https://github.com/jobinau/pg_gather.gitcd pg_gather# 我这里是切到sbtest库里去采集的数据psql sbtest -X
1.2K10编辑于 2025-01-15 - 来自专栏GPUS开发者
DAY19：阅读纹理内存之Texture Gather
Texture Gather Texture gather is a special texture fetch that is available for two-dimensional textures Texture gather is only supported for CUDA arrays created with the cudaArrayTextureGather flag and of Texture gather is only supported on devices of compute capability 2.0 and higher. ? Texture Gather这个功能挺好的。例如说有个点p要插出来, 需要计算周围的4个点, 记做p0, p1, p2, p3；p.x 是对p0.x, p1.x, p2.x, p3.x的函数。 所以不仅仅这个gather操作用起来方便(一次正好取得需要的特定的一行的某种分量如上图)，而且可以立刻规避寄存器bank conflict。所以用起来很好很重要。
3.9K40发布于 2018-06-22 - 来自专栏Deep learning进阶路
torch.gather() 和torch.sactter_()的用法简析
torch.gather(input, dim, index, out=None) 和 torch.scatter_(dim, index, src)是一对作用相反的方法 先来看torch.gather 2 是对于out指定位置上的值，去寻找input里面对应的索引位置，根据是index 官方文档给的例子是： >>> t = torch.Tensor([[1,2],[3,4]]) >>> torch.gather
2.5K30发布于 2019-05-25 - 来自专栏拇指笔记
我对torch中的gather函数的一点理解
官方文档的解释 torch.gather(input,dim,index,out=None) → Tensor torch.gather(input, dim, index, out=None) → dim (int) – The axis along which to index index (LongTensor) – The indices of elements to gather Tensor, optional) – Destination tensor Example: >>> t = torch.Tensor([[1,2],[3,4]]) >>> torch.gather 根据得到的索引在输入中取值#[1,1],[4,3] c = torch.gather(a,0,torch.LongTensor([[0,0],[1,0]]))#1. 最后根据得到的索引在输入中取值 index类型必须为LongTensor gather最终的输出变量与index同形。
1.3K40发布于 2020-08-20 - 来自专栏AutoML(自动机器学习)
Broadcast,Scatter,Gather,Reduce,All-reduce分别是什么？
[image.png] Gather 这个也很好理解，就是把多个进程的数据拼凑在一起。
8.3K20发布于 2019-09-10 - 来自专栏深度学习那些事儿
pytorch新手需要注意的隐晦操作Tensor,max,gather
torch.gather(input, dim, index, out=None) → Tensor 先看官方的介绍： 如果input是一个n维的tensor，size为 (x0,x1…,xi−1,xi scores = model(X_var) # 分数 scores = scores.gather(1, y_var.view(-1, 1)).squeeze() #进行提取 提取后的scores 2、接下来进行gather，gather函数中第一个参数为1，意思是在第二维进行汇聚，也就是说通过y_var中的五个值来在scroes中第二维的5个1000中进行一一挑选，挑选出来后的size也为[5,1 ]，然后再通过squeeze将那个一维去掉，最后结果为[5] 再看一个使用相同思想的例子 def gather_example(): N, C = 4, 5 s = torch.randn (N, C) y = torch.LongTensor([1, 2, 1, 3]) print(s) print(y) print(s.gather(1, y.view(
4.5K80发布于 2018-06-21 - 来自专栏生信补给站
Tidyverse|tidyr数据重塑之gather，spread（长数据宽数据转化）
R-tidyr主要有以下几大功能： gather—宽数据转为长数据； spread—长数据转为宽数据； unit—多列合并为一列； separate—将一列分离为多列 unit和separate可参考Tidyverse 二 宽数据转为长数据 使用gather函数：gather(data, key, value, … , na.rm = FALSE, convert = FALSE) 其中 data：为待转换的宽数据 key key = "variables", value = "values") head(mtcars_long) 2 部分列保持不变 区别于reshape2，...只将指定变量从宽数据变成长数据 1) 不gather 2)gather 在 mpg:am之间的所有列 mtcars_long3 <- mtcars %>% rownames_to_column("car_ID") %>% gather( 这实际将原来gather后的结果还原为gather前, 结果与mtcars一样，只是各列的相互位置稍有调整。 参考资料： Working_in_the_Tidyverse
7.3K20发布于 2020-08-05 - 来自专栏编程教程
Python异步编程中asyncio.gather的并发控制艺术
在Python异步编程生态中，asyncio.gather是并发任务调度的核心工具。然而当面对海量任务时，不加控制的并发可能引发资源耗尽、服务降级等问题。 一、asyncio.gather的原始行为解析 asyncio.gather的设计初衷是批量执行异步任务，其默认行为类似于"全速冲刺"： import asyncio async def task( return n async def main(): tasks = [task(i) for i in range(10)] results = await asyncio.gather _value + 1) asyncio.sleep(1) await asyncio.gather( producer(), * chunked(all_tasks, 10): print(f"Processing batch: {len(batch)} tasks") await asyncio.gather
56010编辑于 2025-08-28 - 来自专栏AutoML(自动机器学习)
Pytorch并行计算：nn.parallel.replicate, scatter, gather, parallel_apply
in range(len(outputs)): print(f"output {i}:{outputs[i].shape}") result = nn.parallel.gather gather：每个GPU计算完了之后需要将结果发送到第一个GPU上进行汇总，可以看到最终的tensor大小是[16,20],这符合预期。
1.7K40发布于 2020-06-12 【YOLOv8改进 - 注意力机制】Gather-Excite : 提高网络捕获长距离特征交互的能力
多个数据集上的实验表明，聚集-激发（gather-excite）操作符可以带来类似于增加CNN深度的好处，但成本仅为其一小部分。 文章链接论文地址：论文地址代码地址：代码地址基本原理Gather-Excite（简称GE）框架旨在增强卷积神经网络（CNNs）中对上下文的利用能力。 它引入了两个主要操作符：gather和excite，这两个操作符协同工作，提高了网络捕获长距离特征交互的能力。技术原理1. Gather操作符 (ξG)Gather操作符用于从较大的空间范围内聚合特征响应。它通过汇集广泛区域的信息，使网络能够收集上下文信息。 参数化配对为了进一步增强框架，参数化的gather操作符被引入，通过深度卷积来应用空间滤波到独立通道上。这种方法被称为GE-θ，为gather操作符添加了可学习参数，进一步提高了性能。
34610编辑于 2024-07-26
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号