با استفاده از عملیات «حداکثر»، بهروزرسانیهای پراکنده را در متغیر مرجع «منبع» کاهش میدهد.
این عملیات محاسبه می کند
# شاخص های اسکالر ref[شاخص ها، ...] = حداکثر (ref[شاخص ها، ...]، به روز رسانی[...])
# شاخص های برداری (برای هر i) ref[شاخص[i]، ...] = حداکثر (ref[شاخص[i]، ...]، به روز رسانی[i، ...])
# شاخص های رتبه بالا (برای هر i، ...، j) ref[شاخص[i، ...، j]، ...] = max(ref[شاخص[i، ...، j]، .. .]، به روز رسانی ها[i، ...، j، ...])
ورودیهای تکراری به درستی مدیریت میشوند: اگر چندین «شاخص» به یک مکان اشاره کنند، مشارکتهای آنها با هم ترکیب میشوند.
به «updates.shape = indices.shape + ref.shape[1:]» یا «updates.shape = []» نیاز دارد.
ثابت ها
رشته | OP_NAME | نام این عملیات، همانطور که توسط موتور هسته TensorFlow شناخته می شود |
روش های عمومی
استاتیک ResourceScatterMax |
روش های ارثی
ثابت ها
رشته نهایی ثابت عمومی OP_NAME
نام این عملیات، همانطور که توسط موتور هسته TensorFlow شناخته می شود
روش های عمومی
ایجاد ResourceScatterMax ایستا عمومی ( دامنه دامنه ، منبع Operand <?>، Operand <? گسترش TNumber > شاخص ها، Operand <? گسترش TType > به روز رسانی ها)
روش کارخانه برای ایجاد کلاسی که یک عملیات ResourceScatterMax جدید را بسته بندی می کند.
مولفه های
محدوده | محدوده فعلی |
---|---|
منبع | باید از یک گره «متغیر» باشد. |
شاخص ها | تانسوری از شاخصها در بعد اول «ref». |
به روز رسانی ها | تانسوری از مقادیر بهروزرسانی شده برای افزودن به «ref». |
برمی گرداند
- یک نمونه جدید از ResourceScatterMax