TensorScatterAdd

Adiciona `atualizações` esparsas a um tensor existente de acordo com `índices`.

Esta operação cria um novo tensor adicionando `atualizações` esparsas ao `tensor` passado. Esta operação é muito semelhante a tf.compat.v1.scatter_nd_add , exceto que as atualizações são adicionadas a um tensor existente (em oposição a uma variável). Se a memória do tensor existente não puder ser reutilizada, uma cópia será feita e atualizada.

`indices` é um tensor inteiro contendo índices em um novo tensor de forma `tensor.shape`. A última dimensão dos `índices` pode ser no máximo a classificação de `tensor.shape`:

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

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

Em Python, esta operação de adição de dispersão ficaria assim:

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

Também podemos inserir fatias inteiras de um tensor de classificação superior de uma só vez. Por exemplo, se quiséssemos inserir duas fatias na primeira dimensão de um tensor de posto 3 com duas matrizes de novos valores.

Em Python, esta operação de adição de dispersão ficaria assim:

>>> índices = tf.constant([[0], [2]]) >>> atualizações = 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) >>> atualizado. = tf.tensor_scatter_nd_add(tensor, índices, atualizações) >>> atualizado

Nota: na CPU, se um índice fora do limite for encontrado, um erro será retornado. Na GPU, se um índice fora do limite for encontrado, o índice será ignorado.