tensorflow::ops::ScatterNdAdd

Menerapkan penambahan jarang (sparse addition) pada nilai individual atau irisan dalam sebuah Variabel .

Ringkasan

ref adalah Tensor dengan rank P dan indices adalah Tensor dengan rank Q

indices harus berupa tensor bilangan bulat, yang berisi indeks ke dalam ref . Bentuknya harus [d_0, ..., d_{Q-2}, K] di mana 0 < K <= P

Dimensi terdalam dari indices (dengan panjang K ) sesuai dengan indeks ke dalam elemen (jika K = P ) atau irisan (jika K < P ) di sepanjang dimensi ke- K dari ref .

updates adalah Tensor berperingkat Q-1+PK dengan bentuk:

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

Misalnya, kita ingin menambahkan 4 elemen yang tersebar ke tensor berperingkat 1 menjadi 8 elemen. Dalam Python, penjumlahan tersebut akan terlihat seperti ini:

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])
add = tf.scatter_nd_add(ref, indices, updates)
with tf.Session() as sess:
  print sess.run(add)

Hasil pembaruan pada ref akan terlihat seperti ini:

[1, 13, 3, 14, 14, 6, 7, 20]

Lihat tf.scatter_nd untuk detail lebih lanjut tentang cara melakukan pembaruan pada slice.

Argumen:

• Cakupan: Objek Cakupan
• ref: Tensor yang dapat diubah. Seharusnya berasal dari node Variabel .
• indeks: Sebuah Tensor . Harus berupa salah satu dari tipe berikut: int32, int64. Sebuah tensor indeks ke dalam referensi.
• Pembaruan: Sebuah Tensor . Harus memiliki tipe yang sama dengan ref. Sebuah tensor berisi nilai-nilai yang diperbarui untuk ditambahkan ke ref.

Atribut opsional (lihat Attrs ):

• use_locking: Sebuah boolean opsional. Nilai defaultnya adalah True. Jika True, penugasan akan dilindungi oleh kunci; jika tidak, perilakunya tidak terdefinisi, tetapi mungkin menunjukkan persaingan yang lebih sedikit.

Mengembalikan:

• Output : Sama seperti referensi. Dikembalikan sebagai kemudahan untuk operasi yang ingin menggunakan nilai yang diperbarui setelah pembaruan selesai.

Atribut publik

Operation operation

::tensorflow::Output output_ref

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

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

::tensorflow::Node * node() const 

 operator::tensorflow::Input() const 

 operator::tensorflow::Output() const 

Attrs UseLocking(
  bool x
)