Mengurangi pembaruan yang jarang ke dalam variabel yang direferensikan oleh `sumber daya` menggunakan operasi `maks`.
Operasi ini menghitung
# Indeks skalar ref[indeks, ...] = max(ref[indeks, ...], pembaruan[...])
# Indeks vektor (untuk setiap i) ref[indices[i], ...] = max(ref[indices[i], ...], update[i, ...])
# Indeks peringkat tinggi (untuk setiap i, ..., j) ref[indices[i, ..., j], ...] = max(ref[indices[i, ..., j], .. .], pembaruan[i, ..., j, ...])
Entri duplikat ditangani dengan benar: jika beberapa `indeks` merujuk pada lokasi yang sama, kontribusinya akan digabungkan.
Memerlukan `updates.shape = indices.shape + ref.shape[1:]` atau `updates.shape = []`.
Konstanta
Rangkaian | OP_NAME | Nama operasi ini dikenal dengan mesin inti TensorFlow |
Metode Publik
ResourceScatterMax statis |
Metode Warisan
Konstanta
String akhir statis publik OP_NAME
Nama operasi ini dikenal dengan mesin inti TensorFlow
Metode Publik
ResourceScatterMax statis publik membuat ( Lingkup cakupan , sumber daya Operand <?>, indeks Operand <? extends TNumber >, Operand <? extends TType > pembaruan)
Metode pabrik untuk membuat kelas yang membungkus operasi ResourceScatterMax baru.
Parameter
cakupan | ruang lingkup saat ini |
---|---|
sumber | Harus dari node `Variabel`. |
indeks | Tensor indeks ke dalam dimensi pertama `ref`. |
pembaruan | Tensor nilai yang diperbarui untuk ditambahkan ke `ref`. |
Kembali
- contoh baru ResourceScatterMax