ScatterNdUpdate

Zadbaj o dobrą organizację dzięki kolekcji Zapisuj i kategoryzuj treści zgodnie ze swoimi preferencjami.

Stosuje rzadkie „aktualizacje” do poszczególnych wartości lub wycinków w obrębie danego

zmienna według „wskaźników”.

„ref” to „Tensor” o randze „P”, a „indeksy” to „Tensor” o randze „Q”.

„indeksy” muszą być tensorami całkowitymi, zawierającymi indeksy w „ref”. 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 plasterki (jeśli „K < P”) wzdłuż „K” wymiaru „ref”.

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

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

Załóżmy na przykład, że chcemy zaktualizować 4 rozproszone elementy do tensora rangi 1 do 8 elementów. W Pythonie ta aktualizacja wyglądałaby tak:

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])
     update = tf.scatter_nd_update(ref, indices, updates)
     with tf.Session() as sess:
       print sess.run(update)
 

[1, 11, 3, 10, 9, 6, 7, 12]

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

Zobacz także `tf.scatter_update` i `tf.batch_scatter_update`.