ScatterNdNonAliasingAdd

Stosuje rzadkie dodawanie do „wejściowych” przy użyciu pojedynczych wartości lub wycinków

z `aktualizacji` według indeksów `indeksy`. Aktualizacje nie są aliasingowe: „input” jest modyfikowany lokalnie tylko wtedy, gdy nie będą używane żadne inne operacje. W przeciwnym razie tworzona jest kopia „input”. Ta operacja ma gradient zarówno w odniesieniu do „wejść”, jak i „aktualizacji”.

„wejściowe” to „tensor” o randze „P”, a „indeksy” to „tensor” o randze „Q”.

„indeksy” muszą być tensorami całkowitymi, zawierającymi indeksy na „wejściach”. Musi mieć kształt \\([d_0, ..., d_{Q-2}, K]\\) gdzie `0 < K <= P`.

Najbardziej wewnętrzny wymiar „indeksów” (o długości „K”) odpowiada indeksom na elementy (jeśli „K = P”) lub „(PK)”-wymiarowe plasterki (jeśli „K < P”) wzdłuż „K” wymiar „wejściowego”.

`updates` to `Tensor` rangi `Q-1+PK` o kształcie:

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

Załóżmy na przykład, że chcemy dodać 4 rozproszone elementy do tensora rangi 1 do 8 elementów. W Pythonie dodatek ten będzie wyglądał następująco:

wejście = tf.constant([1, 2, 3, 4, 5, 6, 7, 8]) indeksy = tf.constant([[4], [3], [1], [7]]) aktualizacje = tf.constant([9, 10, 11, 12]) wyjście = tf.scatter_nd_non_aliasing_add(wejście, indeksy, aktualizacje) z tf.Session() jako sess: print(sess.run(wyjście))

Wynikowa wartość „wyjście” będzie wyglądać następująco:

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

Zobacz tf.scatter_nd , aby uzyskać więcej szczegółów na temat aktualizowania plasterków.