tensorflow::ops::ScatterMax

ลดการอัปเดตแบบกระจัดกระจายให้เป็นการอ้างอิงตัวแปรโดยใช้การดำเนินการ max

สรุป

การดำเนินการนี้จะคำนวณ

# Scalar indices
ref[indices, ...] = max(ref[indices, ...], updates[...])

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

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

การดำเนินการนี้จะส่งคืน ref หลังจากการอัปเดตเสร็จสิ้น ซึ่งจะช่วยให้การเชื่อมโยงการดำเนินการที่ต้องใช้ค่ารีเซ็ตทำได้ง่ายขึ้น

ระบบจะจัดการรายการที่ซ้ำกันอย่างถูกต้อง: หาก indices หลายรายการอ้างอิงถึงตำแหน่งเดียวกัน ข้อมูลที่ได้จากดัชนีเหล่านั้นจะถูกรวมเข้าด้วยกัน

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

ข้อโต้แย้ง:

• ขอบเขต: วัตถุ ขอบเขต
• อ้างอิง: ควรมาจากโหนด Variable
• ดัชนี: เทนเซอร์ของดัชนีในมิติแรกของ ref
• การอัปเดต: เทนเซอร์ของค่าที่อัปเดตแล้วเพื่อลดให้เหลือเป็น ref

คุณลักษณะเสริม (ดูที่ Attrs ):

• use_locking: หากเป็น True การอัปเดตจะได้รับการป้องกันด้วยการล็อก มิเช่นนั้นพฤติกรรมจะไม่แน่นอน แต่การแย่งใช้ทรัพยากรอาจน้อยลง

การส่งคืนสินค้า:

• Output : = เหมือนกับ ref ส่งคืนเพื่อความสะดวกในการดำเนินการที่ต้องการใช้ค่าที่อัปเดตแล้วหลังจากทำการอัปเดตเสร็จสิ้น

คุณลักษณะสาธารณะ

Operation operation

::tensorflow::Output output_ref

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

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

::tensorflow::Node * node() const 

 operator::tensorflow::Input() const 

 operator::tensorflow::Output() const 

Attrs UseLocking(
  bool x
)