TensorScatterUpdate

Dispersa las `actualizaciones` en un tensor existente de acuerdo con los` índices`.

Esta operación crea un nuevo tensor aplicando "actualizaciones" dispersas al "tensor" pasado. Esta operación es muy similar a `tf.scatter_nd`, excepto que las actualizaciones se dispersan en un tensor existente (a diferencia de un tensor cero). Si la memoria del tensor existente no se puede reutilizar, se realiza una copia y se actualiza.

Si "índices" contiene duplicados, sus actualizaciones se acumulan (suman).

ADVERTENCIA : El orden en el que se aplican las actualizaciones no es determinista, por lo que la salida no será determinista si los "índices" contienen duplicados; debido a algunos problemas de aproximación numérica, los números sumados en orden diferente pueden producir resultados diferentes.

`índices` es un tensor entero que contiene índices en un nuevo tensor de forma` forma`. La última dimensión de "índices" puede ser como máximo el rango de "forma":

indices.shape [-1] <= shape.rank

La última dimensión de `índices` corresponde a índices en elementos (si` indices.shape [-1] = shape.rank`) o rebanadas (si `indices.shape [-1] <shape.rank`) a lo largo de la dimensión` índices .shape [-1] `de` shape`. `updates` es un tensor con forma

indices.shape [: - 1] + forma [indices.shape [-1]:]

La forma más simple de dispersión es insertar elementos individuales en un tensor por índice. Por ejemplo, digamos que queremos insertar 4 elementos dispersos en un tensor de rango 1 con 8 elementos.

En Python, esta operación de dispersión se vería así:

>>> índices = tf.constant ([[4], [3], [1], [7]]) >>> actualizaciones = tf.constant ([9, 10, 11, 12]) >>> tensor = tf.ones ([8], dtype = tf.int32) >>> print (tf.tensor_scatter_nd_update (tensor, índices, actualizaciones)) tf.Tensor ([1 11 1 10 9 1 1 12], shape = (8 ,), dtype = int32)

También podemos insertar secciones enteras de un tensor de rango superior de una vez. Por ejemplo, si quisiéramos insertar dos rebanadas en la primera dimensión de un tensor de rango 3 con dos matrices de nuevos valores.

En Python, esta operación de dispersión se vería así:

>>> índices = tf.constant ([[0], [2]]) >>> actualizaciones = 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]]]) >>> tensor = tf.ones ([4, 4, 4], dtype = tf.int32) >>> imprimir (tf.tensor_scatter_nd_update (tensor, índices, actualizaciones) .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]]]

Tenga en cuenta que en la CPU, si se encuentra un índice fuera del límite, se devuelve un error. En GPU, si se encuentra un índice fuera del límite, el índice se ignora.