tensorflow:: عملیات:: ScatterUpdate

به‌روزرسانی‌های پراکنده را روی یک ارجاع متغیر اعمال می‌کند.

خلاصه

این عملیات محاسبه می‌کند

    # 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 را در خروجی نمایش می‌دهد. این امر زنجیره‌سازی عملیات‌هایی را که نیاز به استفاده از مقدار بازنشانی دارند، آسان‌تر می‌کند.

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

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

همچنین به tf.batch_scatter_update و tf.scatter_nd_update مراجعه کنید.

استدلال‌ها:

• دامنه: یک شیء دامنه
• مرجع: باید از یک گره Variable باشد.
• شاخص‌ها: تنسوری از شاخص‌ها در بعد اول ref .
• به‌روزرسانی‌ها: یک تانسور از مقادیر به‌روزرسانی‌شده برای ذخیره در ref .

ویژگی‌های اختیاری (به Attrs مراجعه کنید):

• use_locking: اگر True باشد، انتساب توسط یک قفل محافظت می‌شود؛ در غیر این صورت رفتار تعریف نشده است، اما ممکن است رقابت کمتری را نشان دهد.

بازده:

• Output : = مشابه ref . به عنوان یک مزیت برای عملیاتی که می‌خواهند از مقادیر به‌روزرسانی‌شده پس از انجام به‌روزرسانی استفاده کنند، برگردانده می‌شود.

ویژگی‌های 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
)