TensorScatterUpdate

コレクションでコンテンツを整理 必要に応じて、コンテンツの保存と分類を行います。

「インデックス」に従って既存のテンソルに「更新」を分散します。

この操作は、渡された `tensor` にスパースの `updates` を適用することによって、新しい tensor を作成します。この操作は `tf.scatter_nd` と非常に似ていますが、更新が (ゼロテンソルではなく) 既存のテンソルに分散される点が異なります。既存のテンソルのメモリを再利用できない場合は、コピーが作成されて更新されます。

「インデックス」に重複が含まれている場合、その更新は累積 (合計) されます。

警告: 更新が適用される順序は非決定的であるため、「インデックス」に重複が含まれる場合、出力も非決定的になります。数値近似の問題により、異なる順序で数値を合計すると異なる結果が生じる可能性があります。

`indices` は、形状 `shape` の新しいテンソルへのインデックスを含む整数テンソルです。 `index` の最後の次元は、最大でも `shape` のランクになります。

インデックス.形状[-1] <= 形状.ランク

`indices` の最後の次元は、次元 `indices` に沿った要素へのインデックス (`indices.shape[-1] = Shape.rank` の場合) またはスライス (`indices.shape[-1] <shape.rank` の場合) に対応します。 .shape[-1]` の `shape`。 「updates」は形状を持つテンソルです

インデックス.シェイプ[:-1] + シェイプ[インデックス.シェイプ[-1]:]

散布の最も単純な形式は、インデックスによってテンソルに個々の要素を挿入することです。たとえば、8 つの要素を持つランク 1 のテンソルに 4 つの散乱要素を挿入するとします。

Python では、この分散操作は次のようになります。

>>> インデックス = tf.constant([[4], [3], [1], [7]]) >>> 更新 = tf.constant([9, 10, 11, 12]) >>> テンソル= tf.ones([8], dtype=tf.int32) >>> print(tf.tensor_scatter_nd_update(tensor, インデックス, 更新)) tf.Tensor([ 1 11 1 10 9 1 1 12],shape=(8) ,), dtype=int32)

また、より高いランクのテンソルのスライス全体を一度に挿入することもできます。たとえば、新しい値の 2 つの行列を持つランク 3 テンソルの最初の次元に 2 つのスライスを挿入したいとします。

Python では、この分散操作は次のようになります。

>>> インデックス = tf.constant([[0], [2]]) >>> 更新 = 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, インデックス, 更新).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]]]

CPU では、範囲外のインデックスが見つかった場合、エラーが返されることに注意してください。 GPU では、範囲外のインデックスが見つかった場合、そのインデックスは無視されます。