TensorScatterUpdate

Phân tán `cập nhật` vào một tenxơ hiện có theo `chỉ số`.

Thao tác này tạo ra một tenxơ mới bằng cách áp dụng `cập nhật` thưa thớt cho dữ liệu được truyền trong `tensor`. Hoạt động này rất giống với tf.scatter_nd , ngoại trừ việc các bản cập nhật được phân tán trên một tenxơ hiện có (trái ngược với tenxơ 0). Nếu bộ nhớ dành cho tensor hiện có không thể được sử dụng lại thì một bản sao sẽ được tạo và cập nhật.

Nếu `chỉ mục` chứa các bản sao thì chúng tôi sẽ chọn bản cập nhật cuối cùng cho chỉ mục.

Nếu tìm thấy chỉ mục ngoài giới hạn trên CPU, lỗi sẽ được trả về.

CẢNH BÁO : Có một số ngữ nghĩa cụ thể của GPU cho thao tác này. - Nếu tìm thấy chỉ mục ngoài giới hạn, chỉ mục đó sẽ bị bỏ qua. - Thứ tự áp dụng các bản cập nhật là không xác định, do đó, đầu ra sẽ không xác định nếu `chỉ số` chứa các bản sao.

`chỉ số` là một tensor số nguyên chứa các chỉ số thành một tensor mới có hình dạng `shape`.

• `chỉ số` phải có ít nhất 2 trục: `(num_updates, index_deep)`.
• Trục cuối cùng của `indices` là độ sâu của chỉ mục trong `tensor` nên độ sâu chỉ mục này phải nhỏ hơn thứ hạng của `tensor`: `indices.shape[-1] <= tensor.ndim`

nếu `indices.shape[-1] = tensor.rank` Op này lập chỉ mục và cập nhật các phần tử vô hướng. nếu `indices.shape[-1] < tensor.rank` nó lập chỉ mục và cập nhật các lát của `tensor` đầu vào.

Mỗi `update` có thứ hạng là `tensor.rank -index.shape[-1]`. Hình dạng tổng thể của `updates` là:

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

Để biết ví dụ sử dụng, hãy xem hàm python [tf.tensor_scatter_nd_update]( https://www.tensorflow.org/api_docs/python/tf/tensor_scatter_nd_update)