TensorScatterNdAdd

«به‌روزرسانی‌های» پراکنده را به یک تانسور موجود با توجه به «شاخص‌ها» اضافه می‌کند.

این عملیات با افزودن «به‌روزرسانی‌های» پراکنده به «تانسور»، یک تانسور جدید ایجاد می‌کند. این عملیات بسیار شبیه به «tf.scatter_nd_add» است، با این تفاوت که به‌روزرسانی‌ها به یک تانسور موجود (برخلاف یک متغیر) اضافه می‌شوند. اگر حافظه تانسور موجود قابل استفاده مجدد نباشد، یک کپی ساخته شده و به روز می شود.

«شاخص‌ها» یک تانسور عدد صحیح است که شامل شاخص‌هایی در یک تانسور جدید به شکل «tensor.shape» است. آخرین بعد «شاخص‌ها» حداکثر می‌تواند رتبه «شکل تنسور» باشد:

indices.shape[-1] <= tensor.shape.rank

آخرین بعد «شاخص‌ها» مربوط به شاخص‌ها در عناصر (اگر «indices.shape[-1] = tensor.shape.rank») یا برش‌ها (اگر «indices.shape[-1] < tensor.shape.rank») در امتداد بعد «شاخص‌های شکل[-1]» «شکل تنسور». "به روز رسانی" یک تانسور با شکل است

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

ساده ترین شکل tensor_scatter_add اضافه کردن عناصر جداگانه به یک تانسور با شاخص است. به عنوان مثال، فرض کنید می خواهیم 4 عنصر را با 8 عنصر در یک تانسور رتبه-1 اضافه کنیم.

در پایتون، این عملیات افزودن پراکنده به این صورت خواهد بود:

indices = tf.constant([[4], [3], [1], [7]])
     updates = tf.constant([9, 10, 11, 12])
     tensor = tf.ones([8], dtype=tf.int32)
     updated = tf.tensor_scatter_nd_add(tensor, indices, updates)
     print(updated)
 

[1، 12، 1، 11، 10، 1، 1، 13]

همچنین می‌توانیم تمام برش‌های یک تانسور رتبه بالاتر را به یکباره وارد کنیم. به عنوان مثال، اگر بخواهیم دو برش را در بعد اول یک تانسور رتبه-3 با دو ماتریس از مقادیر جدید وارد کنیم.

در پایتون، این عملیات افزودن پراکنده به این صورت خواهد بود:

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]]])
     tensor = tf.ones([4, 4, 4],dtype=tf.int32)
     updated = tf.tensor_scatter_nd_add(tensor, indices, updates)
     print(updated)
 

[[[6، 6، 6، 6]، [7، 7، 7، 7]، [8، 8، 8، 8]، [9، 9، 9، 9]]، [[1، 1، 1 ، 1]، [1، 1، 1، 1]، [1، 1، 1، 1]، [1، 1، 1، 1]]، [[6، 6، 6، 6]، [7، 7 ، 7، 7]، [8، 8، 8، 8]، [9، 9، 9، 9]]، [[1، 1، 1، 1]، [1، 1، 1، 1]، [1 , 1, 1, 1], [1, 1, 1, 1]]]

توجه داشته باشید که در CPU، اگر یک نمایه خارج از کران پیدا شود، یک خطا برگردانده می شود. در GPU، اگر یک نمایه خارج از کران پیدا شود، شاخص نادیده گرفته می شود.