TensorScatterMise à jour

Dispersez les « mises à jour » dans un tenseur existant selon les « indices ».

Cette opération crée un nouveau tenseur en appliquant des « mises à jour » éparses au « tenseur » transmis. Cette opération est très similaire à `tf.scatter_nd`, sauf que les mises à jour sont dispersées sur un tenseur existant (par opposition à un tenseur zéro). Si la mémoire du tenseur existant ne peut pas être réutilisée, une copie est réalisée et mise à jour.

Si les « indices » contiennent des doublons, alors leurs mises à jour sont accumulées (additionnées).

AVERTISSEMENT : l'ordre dans lequel les mises à jour sont appliquées est non déterministe, donc la sortie sera non déterministe si "indices" contient des doublons -- en raison de certains problèmes d'approximation numérique, les nombres additionnés dans un ordre différent peuvent donner des résultats différents.

`indices` est un tenseur entier contenant des indices dans un nouveau tenseur de forme `shape`. La dernière dimension des « indices » peut être au plus le rang de « forme » :

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

La dernière dimension des `indices` correspond aux indices en éléments (si `indices.shape[-1] = shape.rank`) ou en tranches (si `indices.shape[-1] < shape.rank`) le long de la dimension `indices .shape[-1]` de `forme`. `updates` est un tenseur avec une forme

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

La forme de dispersion la plus simple consiste à insérer des éléments individuels dans un tenseur par index. Par exemple, disons que nous voulons insérer 4 éléments dispersés dans un tenseur de rang 1 avec 8 éléments.

En Python, cette opération scatter ressemblerait à ceci :

>>> indices = tf.constant([[4], [3], [1], [7]]) >>> mises à jour = tf.constant([9, 10, 11, 12]) >>> tenseur = tf.ones([8], dtype=tf.int32) >>> print(tf.tensor_scatter_nd_update(tensor, indices, mises à jour)) tf.Tensor([ 1 11 1 10 9 1 1 12], shape=(8 ,), dtype=int32)

Nous pouvons également insérer des tranches entières d’un tenseur de rang supérieur d’un seul coup. Par exemple, si l'on voulait insérer deux tranches dans la première dimension d'un tenseur de rang 3 avec deux matrices de nouvelles valeurs.

En Python, cette opération scatter ressemblerait à ceci :

>>> indices = tf.constant([[0], [2]]) >>> mises à jour = 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) >>> imprimer (tf.tensor_scatter_nd_update(tensor, indices, mises à jour).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]]]

Notez que sur le CPU, si un index hors limite est trouvé, une erreur est renvoyée. Sur GPU, si un index hors limite est trouvé, l'index est ignoré.