TensorScatterSub

genel final sınıfı TensorScatterSub

'İndekslere' göre mevcut bir tensörden seyrek 'güncellemeleri' çıkarır.

Bu işlem, "tensör"de iletilen seyrek "güncellemeleri" çıkararak yeni bir tensör oluşturur. Bu işlem, güncellemelerin (bir değişkenin aksine) mevcut bir tensörden çıkarılması dışında "tf.scatter_nd_sub" işlemine çok benzer. Mevcut tensörün belleği yeniden kullanılamıyorsa bir kopya oluşturulur ve güncellenir.

'indeksler', yeni bir şekil 'şekli' tensörüne endeksler içeren bir tamsayı tensörüdür. 'Endekslerin' son boyutu en fazla 'şekil'in sıralaması olabilir:

indeksler.şekil[-1] <= şekil.sıralama

"indekslerin" son boyutu, "indeksler" boyutu boyunca öğeler halindeki endekslere (eğer "indeks.şekil[-1] = şekil.rank") veya dilimlere (eğer "indeksler.şekil[-1] < şekil.rank") karşılık gelir "şekil"in .şekli[-1]'. 'güncellemeler' şekilli bir tensördür

indeksler.şekil[:-1] + şekil[indisler.şekil[-1]:]

tensor_scatter_sub'un en basit biçimi, tek tek öğeleri bir tensörden indekse göre çıkarmaktır. Örneğin, 8 elemanlı bir derece 1 tensöre 4 dağınık eleman eklemek istediğimizi varsayalım.

Python'da bu dağılım çıkarma işlemi şu şekilde görünecektir:

indices = tf.constant([[4], [3], [1], [7]])
     updates = tf.constant([9, 10, 11, 12])
     tensor = tf.ones([8], dtype=tf.int32)
     updated = tf.tensor_scatter_nd_sub(tensor, indices, updates)
     print(updated)
 
Ortaya çıkan tensör şu şekilde görünecektir:

[1, -10, 1, -9, -8, 1, 1, -11]

Ayrıca daha yüksek dereceli bir tensörün tüm dilimlerini bir kerede ekleyebiliriz. Örneğin, bir rütbe-3 tensörün ilk boyutuna iki yeni değer matrisine sahip iki dilim eklemek istersek.

Python'da bu dağılım ekleme işlemi şu şekilde görünecektir:

indices = tf.constant([[0], [2]])
     updates = 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)
     updated = tf.tensor_scatter_nd_sub(tensor, indices, updates)
     print(updated)
 
Ortaya çıkan tensör şu şekilde görünecektir:

[[[-4, -4, -4, -4], [-5, -5, -5, -5], [-6, -6, -6, -6], [-7, -7 , -7, -7]], [[1, 1, 1, 1], [1, 1, 1, 1], [1, 1, 1, 1], [1, 1, 1, 1]] , [[-4, -4, -4, -4], [-5, -5, -5, -5], [-6, -6, -6, -6], [-7, -7 , -7, -7]], [[1, 1, 1, 1], [1, 1, 1, 1], [1, 1, 1, 1], [1, 1, 1, 1]] ]

CPU'da sınır dışı bir dizin bulunursa bir hata döndürüleceğini unutmayın. GPU'da sınır dışı bir dizin bulunursa dizin dikkate alınmaz.

Genel Yöntemler

Çıkış <T>
Çıkış olarak ()
Bir tensörün sembolik tutamacını döndürür.
statik <T, U Sayıyı genişletir> TensorScatterSub <T>
create ( Kapsam kapsamı, İşlenen <T> tensörü, İşlenen <U> endeksleri, İşlenen <T> güncellemeleri)
Yeni bir TensorScatterSub işlemini saran bir sınıf oluşturmaya yönelik fabrika yöntemi.
Çıkış <T>
çıktı ()
Tensörden kopyalanan yeni bir tensör ve endekslere göre çıkarılan güncellemeler.

Kalıtsal Yöntemler

Genel Yöntemler

genel Çıkış <T> asOutput ()

Bir tensörün sembolik tutamacını döndürür.

TensorFlow işlemlerinin girdileri, başka bir TensorFlow işleminin çıktılarıdır. Bu yöntem, girişin hesaplanmasını temsil eden sembolik bir tanıtıcı elde etmek için kullanılır.

public static TensorScatterSub <T> create ( Kapsam kapsamı, İşlenen <T> tensörü, İşlenen <U> endeksleri, İşlenen <T> güncellemeleri)

Yeni bir TensorScatterSub işlemini saran bir sınıf oluşturmaya yönelik fabrika yöntemi.

Parametreler
kapsam mevcut kapsam
tensör Kopyalanacak/güncellenecek tensör.
endeksler İndeks tensörü.
güncellemeler Çıktıya dağıtılacak güncellemeler.
İadeler
  • TensorScatterSub'un yeni bir örneği

genel Çıkış <T> çıkışı ()

Tensörden kopyalanan yeni bir tensör ve endekslere göre çıkarılan güncellemeler.