Distribuisci gli "aggiornamenti" in un tensore esistente in base agli "indici".
Questa operazione crea un nuovo tensore applicando sparsi `aggiornamenti` al `tensore` passato. Questa operazione è molto simile a `tf.scatter_nd`, tranne per il fatto che gli aggiornamenti sono sparsi su un tensore esistente (al contrario di un tensore zero). Se la memoria del tensore esistente non può essere riutilizzata, viene creata e aggiornata una copia.
Se gli "indici" contengono duplicati, i loro aggiornamenti vengono accumulati (sommati).
ATTENZIONE : l'ordine in cui vengono applicati gli aggiornamenti non è deterministico, quindi l'output sarà non deterministico se "indici" contiene duplicati: a causa di alcuni problemi di approssimazione numerica, i numeri sommati in ordine diverso potrebbero produrre risultati diversi.
"indices" è un tensore intero contenente indici in un nuovo tensore di forma "shape". L'ultima dimensione degli "indici" può essere al massimo il rango di "forma":
indici.forma[-1] <= forma.rango
L'ultima dimensione di "indices" corrisponde agli indici in elementi (se `indices.shape[-1] = shape.rank`) o sezioni (se `indices.shape[-1] < shape.rank`) lungo la dimensione "indices" .forma[-1]` di `forma`. "aggiornamenti" è un tensore con forma
indici.forma[:-1] + forma[indice.forma[-1]:]
La forma più semplice di dispersione consiste nell'inserire singoli elementi in un tensore tramite indice. Ad esempio, supponiamo di voler inserire 4 elementi sparsi in un tensore di rango 1 con 8 elementi.
In Python, questa operazione di dispersione sarebbe simile a questa:
>>> indici = tf.costante([[4], [3], [1], [7]]) >>> aggiornamenti = tf.costante([9, 10, 11, 12]) >>> tensore = tf.ones([8], dtype=tf.int32) >>> print(tf.tensor_scatter_nd_update(tensore, indici, aggiornamenti)) tf.Tensor([ 1 11 1 10 9 1 1 12], shape=(8 ,), dtype=int32)
Possiamo anche inserire intere fette di un tensore di rango superiore tutte in una volta. Ad esempio, se volessimo inserire due fette nella prima dimensione di un tensore di rango 3 con due matrici di nuovi valori.
In Python, questa operazione di dispersione sarebbe simile a questa:
>>> indici = tf.costante([[0], [2]]) >>> aggiornamenti = tf.costante([[[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]]]) >>> tensore = tf.ones([4, 4, 4], dtype=tf.int32) >>> print (tf.tensor_scatter_nd_update(tensore, indici, aggiornamenti).numpy()) [[[5 5 5 5] [6 6 6 6] [7 7 7 7] [8 8 8 8]] [[1 1 1 1] [1 1 1 1] [1 1 1 1] [1 1 1 1]] [[5 5 5 5] [6 6 6 6] [7 7 7 7] [8 8 8 8]] [[1 1 1 1] [1 1 1 1] [1 1 1 1] [1 1 1 1]]]
Si noti che sulla CPU, se viene trovato un indice fuori limite, viene restituito un errore. Sulla GPU, se viene trovato un indice fuori limite, l'indice viene ignorato.
Metodi pubblici
| Uscita <T> | comeuscita () Restituisce la maniglia simbolica di un tensore. |
| statico <T, U estende Numero> TensorScatterUpdate <T> | create (ambito dell'ambito , tensore dell'operando <T>, indici dell'operando <U>, aggiornamenti dell'operando <T>) Metodo factory per creare una classe che racchiude una nuova operazione TensorScatterUpdate. |
| Uscita <T> | produzione () Un nuovo tensore con la forma data e aggiornamenti applicati in base agli indici. |
Metodi ereditati
Metodi pubblici
Uscita pubblica <T> asOutput ()
Restituisce la maniglia simbolica di un tensore.
Gli input per le operazioni TensorFlow sono output di un'altra operazione TensorFlow. Questo metodo viene utilizzato per ottenere un handle simbolico che rappresenta il calcolo dell'input.
public static TensorScatterUpdate <T> create (ambito dell'ambito , tensore dell'operando <T>, indici dell'operando <U>, aggiornamenti dell'operando <T>)
Metodo factory per creare una classe che racchiude una nuova operazione TensorScatterUpdate.
Parametri
| scopo | ambito attuale |
|---|---|
| tensore | Tensore da copiare/aggiornare. |
| indici | Tensore dell'indice. |
| aggiornamenti | Aggiornamenti da distribuire nell'output. |
ritorna
- una nuova istanza di TensorScatterUpdate
Uscita pubblica <T> uscita ()
Un nuovo tensore con la forma data e aggiornamenti applicati in base agli indici.