Agrega "actualizaciones" escasas a un tensor existente según los "índices".
Esta operación crea un nuevo tensor agregando "actualizaciones" dispersas al "tensor" pasado. Esta operación es muy similar a `tf.scatter_nd_add`, excepto que las actualizaciones se agregan a un tensor existente (a diferencia de una variable). Si la memoria del tensor existente no se puede reutilizar, se realiza una copia y se actualiza.
`indices` es un tensor entero que contiene índices en un nuevo tensor de forma` tensor.shape`. La última dimensión de `índices` puede ser como máximo el rango de` tensor.shape`:
indices.shape [-1] <= tensor.shape.rank
La última dimensión de `índices` corresponde a índices en elementos (si` indices.shape [-1] = tensor.shape.rank`) o rebanadas (si `indices.shape [-1] <tensor.shape.rank`) a lo largo de la dimensión `indices.shape [-1]` de `tensor.shape`. `updates` es un tensor con forma
indices.shape [: - 1] + tensor.shape [indices.shape [-1]:]
La forma más simple de tensor_scatter_add es agregar elementos individuales a un tensor por índice. Por ejemplo, digamos que queremos agregar 4 elementos en un tensor de rango 1 con 8 elementos.
En Python, esta operación de dispersión complemento se vería así:
indices = tf.constant([[4], [3], [1], [7]])
updates = tf.constant([9, 10, 11, 12])
tensor = tf.ones([8], dtype=tf.int32)
updated = tf.tensor_scatter_nd_add(tensor, indices, updates)
print(updated)
El tensor resultante sería el siguiente:[1, 12, 1, 11, 10, 1, 1, 13]
También podemos insertar secciones enteras de un tensor de rango superior de una vez. Por ejemplo, si quisiéramos insertar dos cortes en la primera dimensión de un tensor de rango 3 con dos matrices de nuevos valores.
En Python, esta operación de dispersión complemento se vería así:
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]]])
tensor = tf.ones([4, 4, 4],dtype=tf.int32)
updated = tf.tensor_scatter_nd_add(tensor, indices, updates)
print(updated)
El tensor resultante sería el siguiente:[[[6, 6, 6, 6], [7, 7, 7, 7], [8, 8, 8, 8], [9, 9, 9, 9]], [[1, 1, 1 , 1], [1, 1, 1, 1], [1, 1, 1, 1], [1, 1, 1, 1]], [[6, 6, 6, 6], [7, 7 , 7, 7], [8, 8, 8, 8], [9, 9, 9, 9]], [[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.
Métodos públicos
Salida <T> | asOutput () Devuelve el identificador simbólico de un tensor. |
estática <T, U se extiende Número> TensorScatterAdd <T> | |
Salida <T> | salida () Se copió un nuevo tensor del tensor y se agregaron actualizaciones de acuerdo con los índices. |
Métodos heredados
Métodos públicos
pública de salida <T> asOutput ()
Devuelve el identificador simbólico de un tensor.
Las entradas a las operaciones de TensorFlow son salidas de otra operación de TensorFlow. Este método se utiliza para obtener un identificador simbólico que representa el cálculo de la entrada.
public static TensorScatterAdd <T> crear ( Alcance alcance, operando <T> tensor, operando <U> índices, operando <T> actualizaciones)
Método de fábrica para crear una clase que envuelva una nueva operación TensorScatterAdd.
Parámetros
alcance | alcance actual |
---|---|
tensor | Tensor para copiar / actualizar. |
índices | Tensor de índice. |
actualizaciones | Actualizaciones para dispersar en la salida. |
Devoluciones
- una nueva instancia de TensorScatterAdd
pública de salida <T> salida ()
Se copió un nuevo tensor del tensor y se agregaron actualizaciones de acuerdo con los índices.