แบ่งการอัปเดตแบบกระจัดกระจายออกเป็นตัวแปรที่อ้างอิงโดย "ทรัพยากร"
การดำเนินการนี้คำนวณ
# ดัชนีสเกลาร์อ้างอิง[ดัชนี, ...] /= อัปเดต[...]
# ดัชนีเวกเตอร์ (สำหรับแต่ละ i) ref[indices[i], ...] /= Updates[i, ...]
# ดัชนีอันดับสูง (สำหรับแต่ละ i, ..., j) ref[indices[i, ..., j], ...] /= อัปเดต[i, ..., j, ...]
รายการที่ซ้ำกันจะได้รับการจัดการอย่างถูกต้อง: หาก `ดัชนี` หลายรายการอ้างอิงถึงตำแหน่งเดียวกัน การมีส่วนร่วมของรายการเหล่านั้นก็จะทวีคูณ
ต้องใช้ `updates.shape = indices.shape + ref.shape[1:]` หรือ `updates.shape = []`
ค่าคงที่
สตริง | OP_NAME | ชื่อของ op นี้ ซึ่งรู้จักกันในชื่อของเอ็นจิ้นหลัก TensorFlow |
วิธีการสาธารณะ
ResourceScatterDiv แบบคงที่ | สร้าง (ขอบเขต ขอบเขต ตัวดำเนินการ <?> ทรัพยากร ตัวดำเนินการ <? ขยาย TNumber > ดัชนี ตัวดำเนินการ <? ขยาย TType > อัปเดต) วิธีการจากโรงงานเพื่อสร้างคลาสที่รวมการดำเนินการ ResourceScatterDiv ใหม่ |
วิธีการสืบทอด
ค่าคงที่
สตริงสุดท้ายแบบคงที่สาธารณะ OP_NAME
ชื่อของ op นี้ ซึ่งรู้จักกันในชื่อของเอ็นจิ้นหลัก TensorFlow
วิธีการสาธารณะ
ResourceScatterDiv สาธารณะคงที่ สร้าง (ขอบเขต ขอบเขต , ตัวดำเนินการ <?> ทรัพยากร, ตัวดำเนินการ <? ขยาย TNumber > ดัชนี, ตัวดำเนินการ <? ขยาย TType > อัปเดต)
วิธีการจากโรงงานเพื่อสร้างคลาสที่รวมการดำเนินการ ResourceScatterDiv ใหม่
พารามิเตอร์
ขอบเขต | ขอบเขตปัจจุบัน |
---|---|
ทรัพยากร | ควรมาจากโหนด "ตัวแปร" |
ดัชนี | เทนเซอร์ของดัชนีในมิติแรกของ 'การอ้างอิง' |
อัปเดต | เทนเซอร์ของค่าที่อัปเดตเพื่อเพิ่มใน `ref` |
การส่งคืน
- อินสแตนซ์ใหม่ของ ResourceScatterDiv