ScatterNdUpdate

Áp dụng các `cập nhật` thưa thớt cho các giá trị hoặc lát riêng lẻ trong một phạm vi nhất định

biến theo `chỉ số`.

`ref` là một `Tensor` có hạng `P` và `chỉ số` là một `Tensor` có hạng `Q`.

`chỉ số` phải là tensor nguyên, chứa các chỉ số vào `ref`. Nó phải là hình dạng \\([d_0, ..., d_{Q-2}, K]\\) trong đó `0 < K <= P`.

Chiều trong cùng của `chỉ số` (có độ dài `K`) tương ứng với chỉ số thành các phần tử (nếu `K = P`) hoặc lát cắt (nếu `K < P`) dọc theo chiều thứ `K` của `ref`.

`update` là `Tensor` cấp `Q-1+PK` có hình dạng:

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

Ví dụ: giả sử chúng tôi muốn cập nhật 4 phần tử phân tán thành tenxơ cấp 1 thành 8 phần tử. Trong Python, bản cập nhật đó sẽ trông như thế này:

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]

Xem tf.scatter_nd để biết thêm chi tiết về cách cập nhật các slice.

Xem thêm `tf.scatter_update` và `tf.batch_scatter_update`.