tensorflow:: ops:: ResourceScatterNdAdd

यह वेरिएबल में मौजूद अलग-अलग मानों या स्लाइस पर स्पार्स एडिशन लागू करता है।

सारांश

ref एक रैंक P वाला Tensor है और indices एक रैंक Q वाला Tensor है।

indices पूर्णांक टेंसर होना चाहिए, जिसमें ref में इंडेक्स शामिल हों। इसका आकार [d_0, ..., d_{Q-2}, K] होना चाहिए जहाँ 0 < K <= P ।

indices का सबसे भीतरी आयाम (लंबाई K के साथ) ref के K वें आयाम के साथ तत्वों (यदि K = P ) या स्लाइस (यदि K < P ) में सूचकांकों के अनुरूप होता है।

updates रैंक Q-1+PK का Tensor है जिसका आकार इस प्रकार है:

[d_0, ..., d_{Q-2}, ref.shape[K], ..., ref.shape[P-1]]

उदाहरण के लिए, मान लीजिए कि हम रैंक-1 टेंसर में 4 बिखरे हुए तत्वों को जोड़कर 8 तत्व बनाना चाहते हैं। पायथन में, यह जोड़ कुछ इस तरह दिखेगा:

ref = tf.Variable([1, 2, 3, 4, 5, 6, 7, 8], use_resource=True)
indices = tf.constant([[4], [3], [1], [7]])
updates = tf.constant([9, 10, 11, 12])
add = tf.scatter_nd_add(ref, indices, updates)
with tf.Session() as sess:
  print sess.run(add)

ref में परिणामी अपडेट कुछ इस तरह दिखेगा:

[1, 13, 3, 14, 14, 6, 7, 20]

स्लाइस में अपडेट करने के तरीके के बारे में अधिक जानकारी के लिए tf.scatter_nd देखें।

तर्क:

• स्कोप: एक स्कोप ऑब्जेक्ट
• ref: एक संसाधन हैंडल। यह VarHandleOp से होना चाहिए।
• indices: एक टेंसर । यह निम्नलिखित प्रकारों में से एक होना चाहिए: int32, int64। ref में इंडेक्स का एक टेंसर।
• अपडेट: एक टेंसर । इसका प्रकार रेफ़ के समान होना चाहिए। रेफ़ में जोड़ने के लिए मानों का एक टेंसर।

वैकल्पिक विशेषताएँ (देखें Attrs ):

• use_locking: एक वैकल्पिक बूलियन मान। डिफ़ॉल्ट मान True है। यदि True है, तो असाइनमेंट को लॉक द्वारा सुरक्षित किया जाएगा; अन्यथा व्यवहार अनिश्चित है, लेकिन इसमें कम टकराव हो सकता है।

प्रतिफल:

• निर्मित Operation

सार्वजनिक विशेषताएँ

Operation operation

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

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

 operator::tensorflow::Operation() const 

Attrs UseLocking(
  bool x
)