TensorScatterAdd

classe finale pubblica TensorScatterAdd

Aggiunge "aggiornamenti" sparsi a un tensore esistente in base agli "indici".

Questa operazione crea un nuovo tensore aggiungendo sparsi "aggiornamenti" al "tensore" passato. Questa operazione è molto simile a tf.compat.v1.scatter_nd_add , tranne per il fatto che gli aggiornamenti vengono aggiunti a un tensore esistente (invece che a una variabile). Se la memoria del tensore esistente non può essere riutilizzata, viene creata e aggiornata una copia.

"indices" è un tensore intero contenente indici in un nuovo tensore di forma "tensor.shape". L'ultima dimensione di "indices" può essere al massimo il rango di "tensor.shape":

indices.shape[-1] <= tensor.shape.rank
 
L'ultima dimensione di `indices` corrisponde agli indici in elementi (se `indices.shape[-1] = tensor.shape.rank`) o fette (se `indices.shape[-1] < tensor.shape.rank`) lungo la dimensione "indices.shape[-1]" di "tensor.shape". "aggiornamenti" è un tensore con forma
indices.shape[:-1] + tensor.shape[indices.shape[-1]:]
 
La forma più semplice di `tensor_scatter_nd_add` consiste nell'aggiungere singoli elementi a un tensore tramite indice. Ad esempio, supponiamo di voler aggiungere 4 elementi in un tensore di rango 1 con 8 elementi.

In Python, questa operazione di aggiunta sparsa sarebbe simile a questa:

>>> indici = tf.costante([[4], [3], [1], [7]]) >>> aggiornamenti = tf.costante([9, 10, 11, 12]) >>> tensore = tf.ones([8], dtype=tf.int32) >>> aggiornato = tf.tensor_scatter_nd_add(tensore, indici, aggiornamenti) >>> aggiornato

Possiamo anche inserire intere fette di un tensore di rango superiore tutte in una volta. Ad esempio, se volessimo inserire due fette nella prima dimensione di un tensore di rango 3 con due matrici di nuovi valori.

In Python, questa operazione di aggiunta sparsa sarebbe simile a questa:

>>> indici = tf.costante([[0], [2]]) >>> aggiornamenti = tf.costante([[[5, 5, 5, 5], [6, 6, 6, 6], ... [7, 7, 7, 7], [8, 8, 8, 8]], ... [[5, 5, 5, 5], [6, 6, 6, 6], .. . [7, 7, 7, 7], [8, 8, 8, 8]]]) >>> tensore = tf.ones([4, 4, 4],dtype=tf.int32) >>> aggiornato = tf.tensor_scatter_nd_add(tensore, indici, aggiornamenti) >>> aggiornato

Nota: sulla CPU, se viene trovato un indice fuori limite, viene restituito un errore. Sulla GPU, se viene trovato un indice fuori limite, l'indice viene ignorato.

Metodi pubblici

Uscita <T>
comeuscita ()
Restituisce la maniglia simbolica di un tensore.
statico <T, U estende Numero> TensorScatterAdd <T>
create (ambito dell'ambito , tensore dell'operando <T>, indici dell'operando <U>, aggiornamenti dell'operando <T>)
Metodo factory per creare una classe che racchiude una nuova operazione TensorScatterAdd.
Uscita <T>
produzione ()
Un nuovo tensore copiato da tensore e aggiornamenti aggiunti in base agli indici.

Metodi ereditati

Metodi pubblici

Uscita pubblica <T> asOutput ()

Restituisce la maniglia simbolica di un tensore.

Gli input per le operazioni TensorFlow sono output di un'altra operazione TensorFlow. Questo metodo viene utilizzato per ottenere un handle simbolico che rappresenta il calcolo dell'input.

public static TensorScatterAdd <T> create (ambito dell'ambito , tensore dell'operando <T>, indici dell'operando <U>, aggiornamenti dell'operando <T>)

Metodo factory per creare una classe che racchiude una nuova operazione TensorScatterAdd.

Parametri
ambito ambito attuale
tensore Tensore da copiare/aggiornare.
indici Tensore dell'indice.
aggiornamenti Aggiornamenti da distribuire nell'output.
Ritorni
  • una nuova istanza di TensorScatterAdd

Uscita pubblica <T> uscita ()

Un nuovo tensore copiato da tensore e aggiornamenti aggiunti in base agli indici.