tf.raw_ops.UniqueWithCountsV2

Находит уникальные элементы по оси тензора.

tf.raw_ops.UniqueWithCountsV2(
    x,
    axis,
    out_idx=tf.dtypes.int32,
    name=None
)

Данная операция возвращает тензор y, содержащий уникальные элементы вдоль axis тензора. Возвращаемые уникальные элементы отсортированы в том же порядке, как они встречаются вдоль axis в x. Данная операция также возвращает тензор idx и тензор count, размер которых совпадает с количеством элементов в x вдоль axis измерения. Тензор idx содержит индекс в выходном тензоре с уникальными элементами y, а тензор count содержит счётчик в выходном тензоре с уникальными элементами y. Другими словами, для тензора 1-D x с `axis = None:

y[idx[i]] = x[i] for i in [0, 1,...,rank(x) - 1]

Примеры:

x = tf.constant([1, 1, 2, 4, 4, 4, 7, 8, 8])
y, idx, count = UniqueWithCountsV2(x, axis = [0])
y ==> [1, 2, 4, 7, 8]
idx ==> [0, 0, 1, 2, 2, 2, 3, 4, 4]
count ==> [2, 1, 3, 1, 2]

Для тензора 2-D x с axis = 0:

x = tf.constant([[1, 0, 0],
                [1, 0, 0],
                [2, 0, 0]])
y, idx, count = UniqueWithCountsV2(x, axis=[0])
y ==> [[1, 0, 0],
       [2, 0, 0]]
idx ==> [0, 0, 1]
count ==> [2, 1]

Для тензора 2-D x с axis = 1:

x = tf.constant([[1, 0, 0],
                [1, 0, 0],
                [2, 0, 0]])
y, idx, count = UniqueWithCountsV2(x, axis=[1])
y ==> [[1, 0],
       [1, 0],
       [2, 0]]
idx ==> [0, 1, 1]
count ==> [1, 2]