TensorScatterAdd

يضيف "تحديثات" متفرقة إلى موتر موجود وفقًا لـ "المؤشرات".

تنشئ هذه العملية موترًا جديدًا عن طريق إضافة "تحديثات" متفرقة إلى "الموتر" الذي تم تمريره. هذه العملية مشابهة جدًا للعملية tf.compat.v1.scatter_nd_add ، باستثناء أن التحديثات تُضاف إلى موتر موجود (بدلاً من المتغير). إذا لم يكن من الممكن إعادة استخدام ذاكرة الموتر الموجود، فسيتم عمل نسخة وتحديثها.

"المؤشرات" عبارة عن موتر عدد صحيح يحتوي على مؤشرات في موتر جديد للشكل "tensor.shape". البعد الأخير من "المؤشرات" يمكن أن يكون على الأكثر رتبة "tensor.shape":

indices.shape[-1] <= tensor.shape.rank
 

indices.shape[:-1] + tensor.shape[indices.shape[-1]:]
 

في بايثون، تبدو عملية الإضافة المبعثرة كما يلي:

>>> المؤشرات = tf.constant([[4], [3], [1], [7]]) >>> التحديثات = tf.constant([9, 10, 11, 12]) >>> الموتر = tf.ones([8], dtype=tf.int32) >>> محدث = tf.tensor_scatter_nd_add(الموتر، المؤشرات، التحديثات) >>> محدث

يمكننا أيضًا إدراج شرائح كاملة من موتر ذو رتبة أعلى مرة واحدة. على سبيل المثال، إذا أردنا إدراج شريحتين في البعد الأول لموتر من الرتبة 3 مع مصفوفتين من القيم الجديدة.

في بايثون، تبدو عملية الإضافة المبعثرة كما يلي:

>>> المؤشرات = tf.constant([[0], [2]]) >>> التحديثات = tf.constant([[[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]]]) >>> Tensor = tf.ones([4, 4, 4],dtype=tf.int32) >>> محدث. = tf.tensor_scatter_nd_add(الموتر، المؤشرات، التحديثات) >>> محدث

ملاحظة: على وحدة المعالجة المركزية، إذا تم العثور على فهرس خارج النطاق، فسيتم إرجاع خطأ. في وحدة معالجة الرسومات، إذا تم العثور على فهرس خارج النطاق، فسيتم تجاهل الفهرس.