جریان تنسور:: عملیات:: ScatterUpdate

به روز رسانی های پراکنده را برای یک مرجع متغیر اعمال می کند.

خلاصه

این عملیات محاسبه می کند

    # 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, ...]

این عملیات پس از انجام به‌روزرسانی، ref خروجی می‌دهد. این امر زنجیره عملیاتی را که نیاز به استفاده از مقدار بازنشانی دارند آسان تر می کند.

اگر قرار باشد مقادیر در ref بیش از یک بار به‌روزرسانی شوند، زیرا ورودی‌های تکراری در indices وجود دارد، ترتیب به‌روزرسانی‌ها برای هر مقدار تعریف نشده است.

به updates.shape = indices.shape + ref.shape[1:] یا updates.shape = [] نیاز دارد.

همچنین tf.batch_scatter_update و tf.scatter_nd_update ببینید.

استدلال ها:

• scope: یک شی Scope
• ref: باید از یک گره Variable باشد.
• indices: تانسوری از شاخص ها به بعد اول ref .
• به روز رسانی: تانسوری از مقادیر به روز شده برای ذخیره در ref .

ویژگی های اختیاری (به Attrs مراجعه کنید):

• use_locking: 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 : = مشابه ref . برای عملیاتی که می‌خواهند پس از انجام به‌روزرسانی از مقادیر به‌روزشده استفاده کنند، به‌عنوان سهولت بازگردانده شد.

صفات عمومی

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
)