Pembaruan TensorScatter

Menyebarkan `pembaruan` ke dalam tensor yang ada menurut `indeks`.

Operasi ini membuat tensor baru dengan menerapkan `pembaruan` yang jarang ke `tensor` yang diteruskan. Operasi ini sangat mirip dengan `tf.scatter_nd`, hanya saja pembaruannya tersebar ke tensor yang sudah ada (bukan tensor nol). Jika memori untuk tensor yang ada tidak dapat digunakan kembali, salinan akan dibuat dan diperbarui.

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

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

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

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:

>>> indeks = tf.constant([[0], [2]]) >>> pembaruan = 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) >>> print (tf.tensor_scatter_nd_update(tensor, indeks, pembaruan).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]]]

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.