ScatterNd

Espalha `atualizações` em um tensor de forma `forma` de acordo com `índices`.

Espalhe `atualizações` esparsas de acordo com valores individuais nos `índices` especificados. Esta operação retorna um tensor de saída com a `forma` que você especifica. Esta operação é o inverso do operador tf.gather_nd que extrai valores ou fatias de um determinado tensor.

Esta operação é semelhante a tf.tensor_scatter_nd_add , exceto que o tensor é inicializado com zero. Chamar tf.scatter_nd(indices, updates, shape) é idêntico a chamar `tf.tensor_scatter_nd_add(tf.zeros(shape, updates.dtype), indices, updates)`

Se `indices` contém duplicatas, as `atualizações` associadas são acumuladas (somadas) no tensor de saída.

AVISO : Para tipos de dados de ponto flutuante, a saída pode ser não determinística. Isso ocorre porque a ordem na qual as atualizações são aplicadas não é determinística e quando os números de ponto flutuante são adicionados em ordens diferentes, o erro de aproximação numérica resultante pode ser ligeiramente diferente. No entanto, a saída será determinística se o determinismo operacional estiver habilitado via tf.config.experimental.enable_op_determinism .

`indices` é um tensor inteiro contendo índices no tensor de saída. A última dimensão dos `índices` pode ser no máximo a classificação de `forma`:

índices.shape[-1] <= shape.rank

A última dimensão de `indices` corresponde a índices de elementos (se `indices.shape[-1] = shape.rank`) ou fatias (se `indices.shape[-1] < shape.rank`) ao longo da dimensão `indices .forma[-1]` de `forma`.

`updates` é um tensor com forma:

índices.forma[:-1] + forma[indices.forma[-1]:]

A forma mais simples de operação de dispersão é inserir elementos individuais em um tensor por índice. Considere um exemplo onde você deseja inserir 4 elementos dispersos em um tensor de classificação 1 com 8 elementos.

Em Python, esta operação de dispersão ficaria assim:

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]

Você também pode inserir fatias inteiras de um tensor de classificação superior de uma só vez. Por exemplo, você pode inserir duas fatias na primeira dimensão de um tensor de classificação 3 com duas matrizes de novos valores.

Em Python, esta operação de dispersão ficaria assim:

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]]]

Observe que na CPU, se um índice fora do limite for encontrado, um erro será retornado. Na GPU, se um índice fora do limite for encontrado, o índice será ignorado.