ScatterNd

«به‌روزرسانی‌ها» را با توجه به «شاخص‌ها» در یک تانسور جدید پراکنده کنید.

یک تانسور جدید با اعمال «به‌روزرسانی‌های» پراکنده به مقادیر یا برش‌های جداگانه در یک تانسور (در ابتدا صفر برای عدد، خالی برای رشته) از «شکل» داده‌شده با توجه به شاخص‌ها ایجاد می‌کند. این عملگر معکوس عملگر «tf.gather_nd» است که مقادیر یا برش‌هایی را از یک تانسور معین استخراج می‌کند.

این عملیات شبیه tensor_scatter_add است، با این تفاوت که تانسور صفر اولیه است. فراخوانی «tf.scatter_nd(شاخص‌ها، مقادیر، شکل)» با «tensor_scatter_add(tf.zeros(شکل، values.dtype)، شاخص‌ها، مقادیر)» یکسان است.

اگر «شاخص‌ها» دارای موارد تکراری باشد، به‌روزرسانی‌های آن‌ها انباشته می‌شوند (جمع می‌شوند).

اخطار : ترتیب اعمال به‌روزرسانی‌ها غیر قطعی است، بنابراین اگر «شاخص‌ها» دارای موارد تکراری باشند، خروجی غیر قطعی خواهد بود - به دلیل برخی مسائل تقریب عددی، اعدادی که به ترتیب متفاوت جمع‌بندی می‌شوند ممکن است نتایج متفاوتی به همراه داشته باشند.

«شاخص‌ها» یک تانسور عدد صحیح است که شامل شاخص‌هایی در یک تانسور جدید به شکل «شکل» است. آخرین بعد «شاخص‌ها» حداکثر می‌تواند رتبه «شکل» باشد:

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

آخرین بعد «شاخص‌ها» مربوط به شاخص‌ها در عناصر (اگر «indices.shape[-1] = shape.rank») یا برش‌ها (اگر «indices.shape[-1] < shape.rank») در امتداد «شاخص‌ها» است. شکل[-1]` از «شکل». "به روز رسانی" یک تانسور با شکل است

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

ساده ترین شکل پراکندگی این است که عناصر منفرد را با شاخص در یک تانسور وارد کنید. به عنوان مثال، فرض کنید می خواهیم 4 عنصر پراکنده را در یک تانسور رتبه-1 با 8 عنصر وارد کنیم.

در پایتون، این عمل پراکندگی به این صورت است:

indices = tf.constant([[4], [3], [1], [7]])
     updates = tf.constant([9, 10, 11, 12])
     shape = tf.constant([8])
     scatter = tf.scatter_nd(indices, updates, shape)
     print(scatter)
 

[0، 11، 0، 10، 9، 0، 0، 12]

همچنین می‌توانیم تمام برش‌های یک تانسور رتبه بالاتر را به یکباره وارد کنیم. به عنوان مثال، اگر بخواهیم دو برش را در بعد اول یک تانسور رتبه-3 با دو ماتریس از مقادیر جدید وارد کنیم.

در پایتون، این عمل پراکندگی به این صورت است:

indices = tf.constant([[0], [2]])
     updates = 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]]])
     shape = tf.constant([4, 4, 4])
     scatter = tf.scatter_nd(indices, updates, shape)
     print(scatter)
 

[[[5، 5، 5، 5]، [6، 6، 6، 6]، [7، 7، 7، 7]، [8، 8، 8، 8]]، [[0، 0، 0 ، 0]، [0، 0، 0، 0]، [0، 0، 0، 0]، [0، 0، 0، 0]]، [[5، 5، 5، 5]، [6، 6 ، 6، 6]، [7، 7، 7، 7]، [8، 8، 8، 8]]، [[0، 0، 0، 0]، [0، 0، 0، 0]، [0 , 0, 0, 0], [0, 0, 0, 0]]]

توجه داشته باشید که در CPU، اگر یک نمایه خارج از کران پیدا شود، یک خطا برگردانده می شود. در GPU، اگر یک نمایه خارج از کران پیدا شود، شاخص نادیده گرفته می شود.