टेंसरफ़्लो:: ऑप्स:: रिसोर्सस्कैटरएनडीअपडेट

किसी दिए गए मानों या स्लाइसों पर विरल updates लागू करता है।

सारांश

indices के अनुसार परिवर्तनशील।

ref रैंक P के साथ एक Tensor है और indices रैंक Q का Tensor है।

indices पूर्णांक टेंसर होने चाहिए, जिसमें सूचकांक ref में हों। इसका आकार [d_0, ..., d_{Q-2}, K] होना चाहिए जहां 0 < K <= P ।

indices का अंतरतम आयाम (लंबाई K के साथ) तत्वों में सूचकांकों से मेल खाता है (यदि K = P ) या स्लाइस (यदि K < P ) ref के K वें आयाम के साथ।

updates आकार के साथ रैंक Q-1+PK का Tensor है:

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

उदाहरण के लिए, मान लें कि हम 4 बिखरे हुए तत्वों को रैंक-1 टेंसर से 8 तत्वों तक अद्यतन करना चाहते हैं। पायथन में, वह अपडेट इस तरह दिखेगा:

    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)

रेफरी का परिणामी अद्यतन इस तरह दिखेगा:

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

स्लाइस में अपडेट करने के तरीके के बारे में अधिक जानकारी के लिए tf.scatter_nd देखें।

तर्क:

• स्कोप: एक स्कोप ऑब्जेक्ट
• रेफरी: एक संसाधन संभाल। एक VarHandleOp से होना चाहिए.
• सूचकांक: एक टेंसर । निम्न प्रकारों में से एक होना चाहिए: int32, int64। रेफरी में सूचकांकों का एक टेंसर।
• अद्यतन: एक टेंसर । रेफरी के समान प्रकार होना चाहिए। रेफरी में जोड़ने के लिए अद्यतन मानों का एक टेंसर।

वैकल्पिक विशेषताएँ (देखें Attrs ):

• उपयोग_लॉकिंग: एक वैकल्पिक बूल। डिफ़ॉल्ट सत्य पर। यदि सत्य है, तो असाइनमेंट लॉक द्वारा सुरक्षित किया जाएगा; अन्यथा व्यवहार अपरिभाषित है, लेकिन कम विवाद प्रदर्शित कर सकता है।

रिटर्न:

• बनाया गया Operation

सार्वजनिक गुण

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
)