ScatterNd

«به‌روزرسانی‌ها» را با توجه به «شاخص‌ها» به یک تانسور شکل «شکل» پراکنده می‌کند.

«به‌روزرسانی‌ها» را با توجه به مقادیر فردی در «شاخص‌های» مشخص شده پراکنده کنید. این عملیات یک تانسور خروجی را با «شکل» که شما مشخص کرده‌اید برمی‌گرداند. این عملیات معکوس عملگر tf.gather_nd است که مقادیر یا برش ها را از یک تانسور معین استخراج می کند.

این عملیات مشابه tf.tensor_scatter_nd_add است، با این تفاوت که تانسور صفر اولیه است. فراخوانی tf.scatter_nd(indices, updates, shape) با فراخوانی «tf.tensor_scatter_nd_add(tf.zeros(شکل، updates.dtype)، شاخص‌ها، به‌روزرسانی‌ها» یکسان است.

اگر «شاخص‌ها» حاوی موارد تکراری باشد، «به‌روزرسانی‌های» مرتبط در تانسور خروجی جمع می‌شوند (جمع می‌شوند).

هشدار : برای انواع داده های ممیز شناور، خروجی ممکن است غیر قطعی باشد. این به این دلیل است که ترتیب اعمال به‌روزرسانی‌ها غیر قطعی است و وقتی اعداد ممیز شناور به ترتیب‌های مختلف اضافه می‌شوند، خطای تقریب عددی حاصل می‌تواند کمی متفاوت باشد. با این حال، اگر op determinism از طریق tf.config.experimental.enable_op_determinism فعال شود، خروجی قطعی خواهد بود.

«شاخص‌ها» یک تانسور عدد صحیح است که شامل شاخص‌هایی در تانسور خروجی است. آخرین بعد «شاخص‌ها» حداکثر می‌تواند رتبه «شکل» باشد:

indices.shape[-1] <= shape.rank

آخرین بعد «شاخص‌ها» به شاخص‌های عناصر (اگر «indice.shape[-1] = shape.rank») یا برش‌ها (اگر «indices.shape[-1] < shape.rank») در امتداد ابعاد «شاخص‌ها» مربوط می‌شود. شکل[-1]` از «شکل».

"به روز رسانی" یک تانسور با شکل است:

indices.shape[:-1] + shape[indices.shape[-1]:]

ساده‌ترین شکل عملیات پراکندگی، درج عناصر منفرد در یک تانسور با شاخص است. مثالی را در نظر بگیرید که در آن می‌خواهید 4 عنصر پراکنده را در یک تانسور رتبه-1 با 8 عنصر وارد کنید.

در پایتون، این عمل پراکندگی به صورت زیر است:

indices = tf.constant([[4], [3], [1], [7]])
     updates = tf.constant([9, 10, 11, 12])
     shape = tf.constant([8])
     scatter = tf.scatter_nd(indices, updates, shape)
     print(scatter)
 

[0، 11، 0، 10، 9، 0، 0، 12]

همچنین می‌توانید تمام برش‌های یک تانسور رتبه بالاتر را به یکباره وارد کنید. به عنوان مثال، می توانید دو برش را در بعد اول یک تانسور رتبه-3 با دو ماتریس از مقادیر جدید وارد کنید.

در پایتون، این عمل پراکندگی به صورت زیر است:

indices = tf.constant([[1], [3]])
     updates = tf.constant([[[5, 5, 5, 5], [6, 6, 6, 6],
                             [7, 7, 7, 7], [8, 8, 8, 8]],
                            [[5, 5, 5, 5], [6, 6, 6, 6],
                             [7, 7, 7, 7], [8, 8, 8, 8]]])
     shape = tf.constant([4, 4, 4])
     scatter = tf.scatter_nd(indices, updates, shape)
     print(scatter)
 

[[[0، 0، 0، 0]، [0، 0، 0، 0]، [0، 0، 0، 0]، [0، 0، 0، 0]]، [[5، 5، 5 ، 5]، [6، 6، 6، 6]، [7، 7، 7، 7]، [8، 8، 8، 8]]، [[0، 0، 0، 0]، [0، 0 ، 0، 0]، [0، 0، 0، 0]، [0، 0، 0، 0]]، [[5، 5، 5، 5]، [6، 6، 6، 6]، [7 ، 7، 7، 7]، [8، 8، 8، 8]]]

توجه داشته باشید که در CPU، اگر یک نمایه خارج از کران پیدا شود، یک خطا برگردانده می شود. در GPU، اگر یک نمایه خارج از کران پیدا شود، شاخص نادیده گرفته می شود.