MenyebarkanNd

Menyebarkan `pembaruan` ke dalam tensor baru menurut `indeks`.

Membuat tensor baru dengan menerapkan `pembaruan` yang jarang ke nilai atau irisan individual dalam tensor (awalnya nol untuk numerik, kosong untuk string) dari `bentuk` yang diberikan sesuai dengan indeks. Operator ini adalah kebalikan dari operator `tf.gather_nd` yang mengekstraksi nilai atau irisan dari tensor tertentu.

Operasi ini mirip dengan tensor_scatter_add, hanya saja tensornya diinisialisasi nol. Memanggil `tf.scatter_nd(indices, value, shape)` identik dengan `tensor_scatter_add(tf.zeros(shape, value.dtype), indices, value)`

Jika `indeks` berisi duplikat, maka pembaruannya diakumulasikan (dijumlahkan).

PERINGATAN : Urutan penerapan pembaruan bersifat nondeterministik, sehingga output akan menjadi nondeterministik jika `indeks` berisi duplikat -- karena beberapa masalah perkiraan numerik, angka yang dijumlahkan dalam urutan berbeda mungkin menghasilkan hasil yang berbeda.

`indices` adalah tensor bilangan bulat yang berisi indeks ke dalam tensor baru dengan bentuk `shape`. Dimensi terakhir dari `indeks` paling banyak dapat berupa peringkat `bentuk`:

indeks.bentuk[-1] <= bentuk.peringkat

Dimensi terakhir `indeks` sesuai dengan indeks ke dalam elemen (jika `indeks.bentuk[-1] = bentuk.peringkat`) atau irisan (jika `indeks.bentuk[-1] < bentuk.peringkat`) sepanjang `indeks dimensi .bentuk[-1]` dari `bentuk`. `updates` adalah tensor dengan bentuk

indeks.bentuk[:-1] + bentuk[indeks.bentuk[-1]:]

Bentuk pencar yang paling sederhana adalah dengan menyisipkan elemen individual ke dalam tensor berdasarkan indeks. Misalnya, kita ingin menyisipkan 4 elemen tersebar di tensor peringkat-1 dengan 8 elemen.

Dengan Python, operasi pencar ini akan terlihat seperti ini:

indices = tf.constant([[4], [3], [1], [7]])
     updates = tf.constant([9, 10, 11, 12])
     shape = tf.constant([8])
     scatter = tf.scatter_nd(indices, updates, shape)
     print(scatter)
 

Tensor yang dihasilkan akan terlihat seperti ini:

[0, 11, 0, 10, 9, 0, 0, 12]

Kita juga dapat memasukkan seluruh bagian tensor dengan peringkat lebih tinggi sekaligus. Misalnya, jika kita ingin menyisipkan dua irisan pada dimensi pertama tensor peringkat-3 dengan dua matriks nilai baru.

Dengan Python, operasi pencar ini akan terlihat seperti ini:

indices = tf.constant([[0], [2]])
     updates = tf.constant([[[5, 5, 5, 5], [6, 6, 6, 6],
                             [7, 7, 7, 7], [8, 8, 8, 8]],
                            [[5, 5, 5, 5], [6, 6, 6, 6],
                             [7, 7, 7, 7], [8, 8, 8, 8]]])
     shape = tf.constant([4, 4, 4])
     scatter = tf.scatter_nd(indices, updates, shape)
     print(scatter)
 

Tensor yang dihasilkan akan terlihat seperti ini:

[[[5, 5, 5, 5], [6, 6, 6, 6], [7, 7, 7, 7], [8, 8, 8, 8]], [[0, 0, 0 , 0], [0, 0, 0, 0], [0, 0, 0, 0], [0, 0, 0, 0]], [[5, 5, 5, 5], [6, 6 , 6, 6], [7, 7, 7, 7], [8, 8, 8, 8]], [[0, 0, 0, 0], [0, 0, 0, 0], [0 , 0, 0, 0], [0, 0, 0, 0]]]

Perhatikan bahwa pada CPU, jika indeks di luar batas ditemukan, kesalahan akan dikembalikan. Pada GPU, jika ditemukan indeks di luar batas, indeks tersebut akan diabaikan.