ScatterNdAdd

با مجموعه‌ها، منظم بمانید ذخیره و طبقه‌بندی محتوا براساس اولویت‌های شما.

اضافه کردن پراکنده را به مقادیر یا برش های فردی در یک متغیر اعمال می کند.

«ref» یک «تنسور» با رتبه «P» است و «شاخص‌ها» یک «تانسور» از رتبه «Q» است.

«شاخص‌ها» باید تانسور عدد صحیح باشند و شامل شاخص‌هایی به «ref» باشند. باید شکل «[d_0، ...، d_{Q-2}، K]» باشد که در آن «0 <K <= P» باشد.

درونی‌ترین بعد «شاخص‌ها» (با طول «K») مربوط به شاخص‌هایی به عناصر (اگر «K = P») یا برش‌هایی (اگر «K <P») در امتداد «K»مین بعد «ref» است.

«به‌روزرسانی‌ها» «تنسور» رتبه «Q-1+PK» با شکل:

[d_0, ..., d_{Q-2}, ref.shape[K], ..., ref.shape[P-1]]
 

ref = tf.Variable([1, 2, 3, 4, 5, 6, 7, 8])
 indices = tf.constant([[4], [3], [1], [7]])
 updates = tf.constant([9, 10, 11, 12])
 add = tf.scatter_nd_add(ref, indices, updates)
 with tf.Session() as sess:
   print sess.run(add)
 

[1، 13، 3، 14، 14، 6، 7، 20]

برای جزئیات بیشتر درباره نحوه به‌روزرسانی برش‌ها، tf.scatter_nd ببینید.