TensorScatterUpdate

Dispersez les « mises à jour » dans un tenseur existant selon les « indices ».

Cette opération crée un nouveau tenseur en appliquant des « mises à jour » éparses au « tenseur » transmis. Cette opération est très similaire à tf.scatter_nd , sauf que les mises à jour sont dispersées sur un tenseur existant (par opposition à un tenseur zéro). Si la mémoire du tenseur existant ne peut pas être réutilisée, une copie est réalisée et mise à jour.

Si « indices » contient des doublons, alors nous sélectionnons la dernière mise à jour de l'index.

Si un index hors limite est trouvé sur le processeur, une erreur est renvoyée.

ATTENTION : Il existe des sémantiques spécifiques au GPU pour cette opération. - Si un index hors limite est trouvé, l'index est ignoré. - L'ordre dans lequel les mises à jour sont appliquées est non déterministe, donc la sortie sera non déterministe si « indices » contient des doublons.

`indices` est un tenseur entier contenant des indices dans un nouveau tenseur de forme `shape`.

• `indices` doit avoir au moins 2 axes : `(num_updates, index_degree)`.
• Le dernier axe des « indices » correspond à la profondeur d'indexation dans le « tenseur », donc cette profondeur d'index doit être inférieure au rang du « tenseur » : `indices.shape[-1] <= tensor.ndim`

si `indices.shape[-1] = tensor.rank` cette opération indexe et met à jour les éléments scalaires. si `indices.shape[-1] < tensor.rank`, il indexe et met à jour les tranches du `tensor` d'entrée.

Chaque « mise à jour » a un rang de « tensor.rank - indices.shape[-1] ». La forme générale des « mises à jour » est :

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

Pour des exemples d'utilisation, voir la fonction python [tf.tensor_scatter_nd_update]( https://www.tensorflow.org/api_docs/python/tf/tensor_scatter_nd_update)