ScatterNd

`सूचकांकों` के अनुसार `अपडेट्स` को एक नए टेंसर में बिखेरें।

सूचकांकों के अनुसार दिए गए `आकार` के टेंसर (प्रारंभ में संख्यात्मक के लिए शून्य, स्ट्रिंग के लिए खाली) के भीतर अलग-अलग मानों या स्लाइसों पर विरल `अपडेट` लागू करके एक नया टेंसर बनाता है। यह ऑपरेटर tf.gather_nd ऑपरेटर का उलटा है जो किसी दिए गए टेंसर से मान या स्लाइस निकालता है।

यह ऑपरेशन Tensor_scatter_add के समान है, सिवाय इसके कि टेंसर शून्य-प्रारंभिक है। tf.scatter_nd(indices, values, shape) को कॉल करना `tensor_scatter_add(tf.zeros(shape, values.dtype), indices, values)` के समान है

यदि `सूचकांक` में डुप्लिकेट हैं, तो उनके अपडेट संचित (संक्षेपित) किए जाते हैं।

चेतावनी : जिस क्रम में अद्यतन लागू किए जाते हैं वह गैर-नियतात्मक है, इसलिए यदि `सूचकांक` में डुप्लिकेट हैं तो आउटपुट गैर-नियतात्मक होगा - कुछ संख्यात्मक सन्निकटन मुद्दों के कारण, अलग-अलग क्रम में संख्याओं को जोड़ने पर अलग-अलग परिणाम मिल सकते हैं।

`सूचकांक` एक पूर्णांक टेंसर है जिसमें सूचकांक `आकार` के एक नए टेंसर में समाहित होते हैं। `सूचकांकों` का अंतिम आयाम अधिकतम `आकार` की रैंक हो सकता है:

सूचकांक.आकार[-1] <= आकार.रैंक

`सूचकांक` का अंतिम आयाम तत्वों में सूचकांक से मेल खाता है (यदि `सूचकांक.आकार[-1] = आकार.रैंक`) या स्लाइस (यदि `सूचकांक.आकार[-1] <आकार.रैंक`) आयाम `सूचकांकों के साथ .shape[-1]` का `shape`। `अपडेट` आकार वाला एक टेंसर है

सूचकांक.आकार[:-1] + आकार[सूचकांक.आकार[-1]:]

स्कैटर का सबसे सरल रूप सूचकांक द्वारा व्यक्तिगत तत्वों को टेंसर में सम्मिलित करना है। उदाहरण के लिए, मान लें कि हम 8 तत्वों वाले रैंक-1 टेंसर में 4 बिखरे हुए तत्व सम्मिलित करना चाहते हैं।

पायथन में, यह स्कैटर ऑपरेशन इस तरह दिखेगा:

indices = tf.constant([[4], [3], [1], [7]])
     updates = tf.constant([9, 10, 11, 12])
     shape = tf.constant([8])
     scatter = tf.scatter_nd(indices, updates, shape)
     print(scatter)
 

[0, 11, 0, 10, 9, 0, 0, 12]

हम एक उच्च रैंक टेंसर के पूरे स्लाइस को एक साथ भी सम्मिलित कर सकते हैं। उदाहरण के लिए, यदि हम रैंक-3 टेंसर के पहले आयाम में नए मानों के दो मैट्रिक्स के साथ दो स्लाइस सम्मिलित करना चाहते हैं।

पायथन में, यह स्कैटर ऑपरेशन इस तरह दिखेगा:

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]]])
     shape = tf.constant([4, 4, 4])
     scatter = tf.scatter_nd(indices, updates, shape)
     print(scatter)
 

[[[5, 5, 5, 5], [6, 6, 6, 6], [7, 7, 7, 7], [8, 8, 8, 8]], [[0, 0, 0 , 0], [0, 0, 0, 0], [0, 0, 0, 0], [0, 0, 0, 0]], [[5, 5, 5, 5], [6, 6 , 6, 6], [7, 7, 7, 7], [8, 8, 8, 8]], [[0, 0, 0, 0], [0, 0, 0, 0], [0 , 0, 0, 0], [0, 0, 0, 0]]]

ध्यान दें कि सीपीयू पर, यदि कोई आउट ऑफ बाउंड इंडेक्स पाया जाता है, तो एक त्रुटि वापस आ जाती है। जीपीयू पर, यदि कोई आउट ऑफ बाउंड इंडेक्स पाया जाता है, तो इंडेक्स को नजरअंदाज कर दिया जाता है।