تينسورفلو :: العمليات :: ResourceScatterNdUpdate

يطبق updates متفرقة على القيم الفردية أو الشرائح داخل معين.

ملخص

متغير حسب indices .

ref هو Tensor رتبة P indices هي Tensor من رتبة Q

يجب أن تكون indices موتر عدد صحيح ، وتحتوي على مؤشرات في ref . يجب أن يكون الشكل [d_0, ..., d_{Q-2}, K] حيث 0 < K <= P

يتوافق البعد الأعمق indices (بطول K ) مع المؤشرات في عناصر (إذا كان K = P ) أو شرائح (إذا كان K < P ) على طول البعد K من ref .

updates هي Tensor من رتبة Q-1+PK بالشكل:

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

على سبيل المثال ، لنفترض أننا نريد تحديث 4 عناصر مبعثرة إلى موتر من الرتبة 1 إلى 8 عناصر. في Python ، سيبدو هذا التحديث كما يلي:

    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)

سيبدو التحديث الناتج للمرجع كما يلي:

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

راجع tf.scatter_nd للحصول على مزيد من التفاصيل حول كيفية إجراء تحديثات للشرائح.

الحجج:

• النطاق: كائن النطاق
• المرجع: مقبض مورد. يجب أن يكون من VarHandleOp.
• المؤشرات: موتر . يجب أن يكون أحد الأنواع التالية: int32 ، int64. موتر من المؤشرات إلى المرجع.
• تحديثات: A Tensor . يجب أن يكون من نفس نوع المرجع. موتر من القيم المحدثة لإضافتها إلى المرجع.

السمات الاختيارية (انظر Attrs ):

• use_locking: منطقي اختياري. افتراضات إلى True. إذا كان هذا صحيحًا ، فسيتم حماية التخصيص بقفل ؛ وبخلاف ذلك ، يكون السلوك غير محدد ، ولكنه قد يعرض خلافًا أقل.

عائدات:

• Operation تم إنشاؤها

السمات العامة

Operation operation

 ResourceScatterNdUpdate(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input ref,
  ::tensorflow::Input indices,
  ::tensorflow::Input updates
)

 ResourceScatterNdUpdate(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input ref,
  ::tensorflow::Input indices,
  ::tensorflow::Input updates,
  const ResourceScatterNdUpdate::Attrs & attrs
)

 operator::tensorflow::Operation() const 

Attrs UseLocking(
  bool x
)