ScatterNdNonAliasingAdd

מחיל תוספת דלילה על 'קלט' באמצעות ערכים בודדים או פרוסות

מתוך `עדכונים` לפי מדדי `מדדים`. העדכונים הם ללא כינוי: 'קלט' משתנה במקום רק אם שום פעולות אחרות לא ישתמשו בו. אחרת, נוצר עותק של 'קלט'. לפעולה זו יש שיפוע ביחס גם ל'קלט' וגם ל'עדכונים'.

'קלט' הוא 'טנזור' עם דרגה 'P' ו'מדדים' הוא 'טנזור' בדרגת 'Q'.

'מדדים' חייב להיות טנזור של מספר שלם, המכיל אינדקסים לתוך 'קלט'. זה חייב להיות צורה \\([d_0, ..., d_{Q-2}, K]\\) כאשר `0 < K <= P`.

הממד הפנימי ביותר של `מדדים` (עם אורך `K`) מתאים למדדים לתוך אלמנטים (אם `K = P`) או `(PK)` פרוסות ממדים (אם `K < P`) לאורך `K`th ממד 'קלט'.

'עדכונים' הוא 'טנזור' בדרגה 'Q-1+PK' עם הצורה:

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

לדוגמה, נניח שאנו רוצים להוסיף 4 אלמנטים מפוזרים לטנזור בדרגה 1 ל-8 אלמנטים. ב-Python, התוספת הזו תיראה כך:

input = tf.constant([1, 2, 3, 4, 5, 6, 7, 8]) indexen = tf.constant([[4], [3], [1], [7]]) עדכונים = tf.constant([9, 10, 11, 12]) פלט = tf.scatter_nd_non_aliasing_add(קלט, מדדים, עדכונים) עם tf.Session() כ-sess: print(sess.run(output))

הערך המתקבל 'פלט' ייראה כך:

[1, 13, 3, 14, 14, 6, 7, 20]

ראה tf.scatter_nd לפרטים נוספים על איך לבצע עדכונים לפרוסות.