เทนเซอร์โฟลว์:: ปฏิบัติการ:: กระจายอัปเดต

ใช้การอัพเดตแบบกระจัดกระจายกับการอ้างอิงตัวแปร

สรุป

การดำเนินการนี้คำนวณ

    # Scalar indices
    ref[indices, ...] = updates[...]

    # Vector indices (for each i)
    ref[indices[i], ...] = updates[i, ...]

    # High rank indices (for each i, ..., j)
    ref[indices[i, ..., j], ...] = updates[i, ..., j, ...]

การดำเนินการนี้จะส่งออก ref หลังจากการอัพเดตเสร็จสิ้น ทำให้ง่ายต่อการเชื่อมโยงการดำเนินการที่ต้องใช้ค่ารีเซ็ต

หากมีการอัปเดตค่าใน ref มากกว่าหนึ่งครั้ง เนื่องจากมีรายการที่ซ้ำกันใน indices ลำดับที่การอัปเดตเกิดขึ้นสำหรับแต่ละค่าจะไม่ได้ถูกกำหนดไว้

ต้องใช้ updates.shape = indices.shape + ref.shape[1:] หรือ updates.shape = []

ดูเพิ่มเติมที่ tf.batch_scatter_update และ tf.scatter_nd_update

ข้อโต้แย้ง:

• ขอบเขต: วัตถุ ขอบเขต
• อ้างอิง: ควรมาจากโหนด Variable
• ดัชนี: เทนเซอร์ของดัชนีในมิติแรกของ ref
• อัปเดต: เทนเซอร์ของค่าที่อัปเดตเพื่อเก็บไว้ใน ref

แอ็ตทริบิวต์ทางเลือก (ดู Attrs ):

• use_locking: หากเป็น True งานที่ได้รับมอบหมายจะได้รับการปกป้องด้วยการล็อค มิฉะนั้นพฤติกรรมจะไม่ได้กำหนดไว้ แต่อาจแสดงความขัดแย้งน้อยลง

ผลตอบแทน:

• Output : = เหมือนกับ ref กลับมาเพื่อความสะดวกสำหรับการดำเนินงานที่ต้องการใช้ค่าที่อัพเดตหลังจากการอัพเดตเสร็จสิ้น

คุณลักษณะสาธารณะ

Operation operation

::tensorflow::Output output_ref

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

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

::tensorflow::Node * node() const 

 operator::tensorflow::Input() const 

 operator::tensorflow::Output() const 

Attrs UseLocking(
  bool x
)