TensorScatterAdd

Dodaje rzadkie „aktualizacje” do istniejącego tensora zgodnie z „indeksami”.

Ta operacja tworzy nowy tensor poprzez dodanie rzadkich „aktualizacji” do przekazanego „tensora”. Ta operacja jest bardzo podobna do tf.compat.v1.scatter_nd_add , z tą różnicą, że aktualizacje są dodawane do istniejącego tensora (a nie do zmiennej). Jeśli nie można ponownie wykorzystać pamięci istniejącego tensora, tworzona jest i aktualizowana kopia.

`indices` jest tensorem całkowitym zawierającym indeksy w nowym tensorze kształtu `tensor.shape`. Ostatni wymiar „indeksów” może mieć co najwyżej rangę „tensor.shape”:

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

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

W Pythonie ta operacja dodawania rozproszenia wyglądałaby następująco:

>>> indeksy = tf.constant([[4], [3], [1], [7]]) >>> aktualizacje = tf.constant([9, 10, 11, 12]) >>> tensor = tf.ones([8], dtype=tf.int32) >>> zaktualizowano = tf.tensor_scatter_nd_add(tensor, indeksy, aktualizacje) >>> zaktualizowano

Możemy także wstawić na raz całe wycinki tensora wyższego rzędu. Na przykład, gdybyśmy chcieli wstawić dwa wycinki w pierwszym wymiarze tensora rangi 3 z dwiema macierzami o nowych wartościach.

W Pythonie ta operacja dodawania rozproszenia wyglądałaby następująco:

>>> indeksy = tf.constant([[0], [2]]) >>> aktualizacje = 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) >>> zaktualizowano = tf.tensor_scatter_nd_add(tensor, indeksy, aktualizacje) >>> zaktualizowano

Uwaga: na procesorze, jeśli zostanie znaleziony indeks spoza limitu, zwracany jest błąd. Jeśli na GPU zostanie znaleziony indeks spoza limitu, zostanie on zignorowany.