ScatterNdNonAliasingAdd

با استفاده از مقادیر یا برش‌های جداگانه، افزودن پراکنده را به «ورودی» اعمال می‌کند

از "به روز رسانی" با توجه به شاخص های "شاخص". به‌روزرسانی‌ها غیر مستعار هستند: «ورودی» تنها در صورتی درجا اصلاح می‌شود که هیچ عملیات دیگری از آن استفاده نکند. در غیر این صورت، یک کپی از "ورودی" ساخته می شود. این عملیات با توجه به "ورودی" و "به روز رسانی" دارای یک گرادیان است.

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

«شاخص‌ها» باید تانسور عدد صحیح باشند و شامل شاخص‌هایی در «ورودی» باشند. باید شکل \\([d_0, ..., d_{Q-2}, K]\\) جایی که "0 < K <= P".

درونی‌ترین بعد «شاخص‌ها» (با طول «K») مربوط به شاخص‌هایی به عناصر (اگر «K = P») یا «(PK)» برش‌های بعدی (اگر «K <P») در امتداد «K» است. بعد "ورودی".

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

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

به عنوان مثال، فرض کنید می خواهیم 4 عنصر پراکنده را به یک تانسور رتبه-1 به 8 عنصر اضافه کنیم. در پایتون، این اضافه به صورت زیر است:

input = tf.constant([1, 2, 3, 4, 5, 6, 7, 8]) indeces = tf.constant([[4], [3], [1], [7]]) به روز رسانی = tf.constant([9، 10، 11، 12]) خروجی = tf.scatter_nd_non_aliasing_add(ورودی، شاخص ها، به روز رسانی ها) با tf.Session() به عنوان sess: print(sess.run(خروجی))

مقدار حاصل «خروجی» به شکل زیر است:

[1، 13، 3، 14، 14، 6، 7، 20]

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