tensorflow:: عملیات:: ScatterNdUpdate

#include <state_ops.h>

updates پراکنده را روی مقادیر یا برش‌های منفرد درون یک داده اعمال می‌کند.

خلاصه

متغیر بر اساس indices

ref یک Tensor با رتبه P و indices یک Tensor با رتبه Q هستند.

indices باید تانسور عدد صحیح باشند و شامل شاخص‌هایی در ref باشند. باید شکل باشند. \([d_0, ..., d_{Q-2}, K]\) که در آن 0 < K <= P .

درونی‌ترین بُعد indices (با طول K ) متناظر با شاخص‌ها به صورت عناصر (اگر K = P ) یا برش‌ها (اگر K < P ) در امتداد بُعد K اُم ref است.

updates Tensor با رتبه Q-1+PK با شکل زیر است:

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

برای مثال، فرض کنید می‌خواهیم ۴ عنصر پراکنده در یک تانسور رتبه ۱ را به ۸ عنصر به‌روزرسانی کنیم. در پایتون، این به‌روزرسانی به این شکل خواهد بود: 

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

به‌روزرسانی حاصل برای ref به این شکل خواهد بود:

[1, 11, 3, 10, 9, 6, 7, 12]

برای جزئیات بیشتر در مورد نحوه‌ی به‌روزرسانی برش‌ها، به tf.scatter_nd مراجعه کنید.

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

استدلال‌ها:

  • دامنه: یک شیء دامنه
  • مرجع: یک تانسور تغییرپذیر. باید از یک گره متغیر باشد.
  • شاخص‌ها: یک تانسور . باید یکی از انواع زیر باشد: int32، int64. یک تانسور از شاخص‌ها در مرجع.
  • به‌روزرسانی‌ها: یک تانسور . باید از همان نوع مرجع باشد. یک تانسور از مقادیر به‌روزرسانی‌شده برای اضافه شدن به مرجع.

ویژگی‌های اختیاری (به Attrs مراجعه کنید):

  • use_locking: یک مقدار بولی اختیاری. مقدار پیش‌فرض True است. 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 مرجع. به عنوان یک مزیت برای عملیاتی که می‌خواهند از مقادیر به‌روزرسانی‌شده پس از انجام به‌روزرسانی استفاده کنند، برگردانده می‌شود.

سازنده‌ها و مخرب‌ها

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

ویژگی‌های عمومی

operation
output_ref

کارکردهای عمومی

node () const
::tensorflow::Node *
operator::tensorflow::Input () const
operator::tensorflow::Output () const

توابع استاتیک عمومی

UseLocking (bool x)

ساختارها

tensorflow:: عملیات:: ScatterNdUpdate:: جذابیت‌ها

تنظیم‌کننده‌های ویژگی اختیاری برای ScatterNdUpdate .

ویژگی‌های عمومی

عملیات 

Operation operation

خروجی_رف 

::tensorflow::Output output_ref

کارکردهای عمومی

به‌روزرسانی پراکنده 

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

به‌روزرسانی پراکنده 

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

گره 

::tensorflow::Node * node() const

عملگر::tensorflow::ورودی 

 operator::tensorflow::Input() const

عملگر::tensorflow::خروجی 

 operator::tensorflow::Output() const

توابع استاتیک عمومی

استفاده از قفل 

Attrs UseLocking(
  bool x
)