TensorScatterUpdate

قم بتوزيع "التحديثات" في موتر موجود وفقًا لـ "المؤشرات".

تنشئ هذه العملية موترًا جديدًا عن طريق تطبيق "تحديثات" متفرقة على "الموتر" الذي تم تمريره. هذه العملية تشبه إلى حد كبير tf.scatter_nd ، باستثناء أن التحديثات متناثرة على موتر موجود (على عكس الموتر الصفري). إذا لم يكن من الممكن إعادة استخدام ذاكرة الموتر الموجود، فسيتم عمل نسخة وتحديثها.

إذا كانت "الفهارس" تحتوي على نسخ مكررة، فإننا نختار آخر تحديث للفهرس.

إذا تم العثور على فهرس غير منضم على وحدة المعالجة المركزية، فسيتم إرجاع خطأ.

تحذير : هناك بعض الدلالات الخاصة بوحدة معالجة الرسومات لهذه العملية. - إذا تم العثور على فهرس خارج النطاق، فسيتم تجاهل الفهرس. - الترتيب الذي يتم به تطبيق التحديثات غير محدد، وبالتالي فإن الإخراج سيكون غير محدد إذا كانت "المؤشرات" تحتوي على نسخ مكررة.

"المؤشرات" عبارة عن موتر عدد صحيح يحتوي على مؤشرات في موتر جديد للشكل "الشكل".

• يجب أن تحتوي `المؤشرات` على محورين على الأقل: `(num_updates,index_عمق)`.
• المحور الأخير من "المؤشرات" هو مدى عمق الفهرسة في "الموتر"، لذا يجب أن يكون عمق الفهرس هذا أقل من رتبة "الموتر": `indices.shape[-1] <= Tensor.ndim`

إذا كان `indices.shape[-1] = Tensor.rank`، فإن هذه العملية تقوم بفهرسة العناصر العددية وتحديثها. إذا كان `indices.shape[-1] <tensor.rank` فإنه يقوم بفهرسة وتحديث شرائح المدخلات `tensor`.

كل "تحديث" له رتبة "tensor.rank - indices.shape[-1]". الشكل العام للتحديثات هو:

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

للحصول على أمثلة الاستخدام، راجع وظيفة python [tf.tensor_scatter_nd_update]( https://www.tensorflow.org/api_docs/python/tf/tensor_scatter_nd_update)