ScatterNdUpdate

Applique des « mises à jour » éparses à des valeurs ou tranches individuelles dans un

variable selon des `indices`.

`ref` est un `Tensor` de rang `P` et `indices` est un `Tensor` de rang `Q`.

`indices` doit être un tenseur entier, contenant des indices dans `ref`. Il doit s'agir de la forme \\([d_0, ..., d_{Q-2}, K]\\) où `0 < K <= P`.

La dimension la plus intérieure des « indices » (de longueur « K ») correspond aux indices en éléments (si « K = P ») ou en tranches (si « K < P ») le long de la « K » dimension de « ref ».

`updates` est un `Tensor` de rang `Q-1+PK` avec la forme :

$$[d_0, ..., d_{Q-2}, ref.shape[K], ..., ref.shape[P-1]].$$

Par exemple, disons que nous souhaitons mettre à jour 4 éléments dispersés vers un tenseur de rang 1 à 8 éléments. En Python, cette mise à jour ressemblerait à ceci :

ref = tf.Variable([1, 2, 3, 4, 5, 6, 7, 8])
     indices = tf.constant([[4], [3], [1] ,[7]])
     updates = tf.constant([9, 10, 11, 12])
     update = tf.scatter_nd_update(ref, indices, updates)
     with tf.Session() as sess:
       print sess.run(update)
 

[1, 11, 3, 10, 9, 6, 7, 12]

Voir tf.scatter_nd pour plus de détails sur la façon de mettre à jour les tranches.

Voir aussi `tf.scatter_update` et `tf.batch_scatter_update`.