جریان تنسور:: عملیات:: ScatterNdUpdate
#include <state_ops.h>
updates
پراکنده را برای مقادیر یا برشهای فردی در یک داده اعمال میکند.
خلاصه
متغیر با توجه به indices
ref
یک Tensor
با رتبه P
و indices
Tensor
رتبه Q
است.
indices
باید تانسور عدد صحیح باشند و شامل اندیس هایی در ref
باشند. باید شکل باشه \([d_0, ..., d_{Q-2}, K]\) جایی که 0 < K <= P
.
درونیترین بعد indices
(با طول K
) مربوط به شاخصهایی به عناصر (اگر K = P
) یا برشهایی (اگر K < P
) در امتداد بعد K
ام ref
.
updates
Tensor
رتبه Q-1+PK
با شکل:
$$[d_0, ..., d_{Q-2}, ref.shape[K], ..., ref.shape[P-1]].$$
به عنوان مثال، فرض کنید می خواهیم 4 عنصر پراکنده را به تانسور رتبه-1 به 8 عنصر به روز کنیم. در پایتون، این به روز رسانی به صورت زیر است:
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)
به روز رسانی به ref به صورت زیر خواهد بود:
[1, 11, 3, 10, 9, 6, 7, 12]
برای جزئیات بیشتر درباره نحوه بهروزرسانی برشها، tf.scatter_nd
ببینید.
همچنین tf.scatter_update
و tf.batch_scatter_update
را ببینید.
استدلال ها:
- scope: یک شی Scope
- مرجع: یک تانسور قابل تغییر. باید از یک گره متغیر باشد.
- شاخص ها: یک تانسور . باید یکی از انواع زیر باشد: int32، int64. تانسوری از شاخص ها به رفر.
- به روز رسانی: A Tensor . باید همان نوع ref را داشته باشد. تانسوری از مقادیر به روز شده برای افزودن به مرجع.
ویژگی های اختیاری (به Attrs
مراجعه کنید):
- use_locking: یک bool اختیاری. پیش فرض ها به True. اگر True باشد، انتساب توسط یک قفل محافظت می شود. در غیر این صورت رفتار تعریف نشده است، اما ممکن است اختلاف کمتری از خود نشان دهد.
برمی گرداند:
-
Output
: همانند ref. برای عملیاتی که میخواهند پس از انجام بهروزرسانی از مقادیر بهروزشده استفاده کنند، بهعنوان سهولت بازگردانده شد.
سازندگان و ویرانگرها | |
---|---|
ScatterNdUpdate (const :: tensorflow::Scope & scope, :: tensorflow::Input ref, :: tensorflow::Input indices, :: tensorflow::Input updates) | |
ScatterNdUpdate (const :: tensorflow::Scope & scope, :: tensorflow::Input ref, :: tensorflow::Input indices, :: tensorflow::Input updates, const ScatterNdUpdate::Attrs & attrs) |
صفات عمومی | |
---|---|
operation | |
output_ref |
توابع عمومی | |
---|---|
node () const | ::tensorflow::Node * |
operator::tensorflow::Input () const | |
operator::tensorflow::Output () const |
توابع استاتیک عمومی | |
---|---|
UseLocking (bool x) |
سازه ها | |
---|---|
tensorflow:: ops:: ScatterNdUpdate:: Attrs | تنظیم کننده های ویژگی اختیاری برای ScatterNdUpdate . |
صفات عمومی
عملیات
Operation operation
output_ref
::tensorflow::Output output_ref
توابع عمومی
ScatterNdUpdate
ScatterNdUpdate( const ::tensorflow::Scope & scope, ::tensorflow::Input ref, ::tensorflow::Input indices, ::tensorflow::Input updates )
ScatterNdUpdate
ScatterNdUpdate( const ::tensorflow::Scope & scope, ::tensorflow::Input ref, ::tensorflow::Input indices, ::tensorflow::Input updates, const ScatterNdUpdate::Attrs & attrs )
گره
::tensorflow::Node * node() const
عملگر::tensorflow::ورودی
operator::tensorflow::Input() const
عملگر::tensorflow::خروجی
operator::tensorflow::Output() const
توابع استاتیک عمومی
استفاده از قفل
Attrs UseLocking( bool x )
جز در مواردی که غیر از این ذکر شده باشد،محتوای این صفحه تحت مجوز Creative Commons Attribution 4.0 License است. نمونه کدها نیز دارای مجوز Apache 2.0 License است. برای اطلاع از جزئیات، به خطمشیهای سایت Google Developers مراجعه کنید. جاوا علامت تجاری ثبتشده Oracle و/یا شرکتهای وابسته به آن است.
تاریخ آخرین بهروزرسانی 2024-11-30 بهوقت ساعت هماهنگ جهانی.