tensorflow :: ops :: ScatterNdUpdate

Aplica updates esparsas a valores individuais ou fatias dentro de um determinado.

Resumo

variável de acordo com os indices .

ref é um Tensor com classificação P e indices é um Tensor de classificação Q

indices devem ser tensores inteiros, contendo índices em ref . Deve ter a forma \([d_0, ..., d_{Q-2}, K]\) onde 0 < K <= P

A dimensão mais interna dos indices (com comprimento K ) corresponde aos índices em elementos (se K = P ) ou fatias (se K < P ) ao longo da K ésima dimensão de ref .

updates é o Tensor de classificação Q-1+PK com forma:

$$[d_0, ..., d_{Q-2}, ref.shape[K], ..., ref.shape[P-1]].$$

Por exemplo, digamos que queremos atualizar 4 elementos dispersos para um tensor de classificação 1 para 8 elementos. Em Python, essa atualização seria assim:

    ref = tf.Variable([1, 2, 3, 4, 5, 6, 7, 8])
    indices = tf.constant([[4], [3], [1] ,[7]])
    updates = tf.constant([9, 10, 11, 12])
    update = tf.scatter_nd_update(ref, indices, updates)
    with tf.Session() as sess:
      print sess.run(update)

A atualização resultante para ref ficaria assim:

[1, 11, 3, 10, 9, 6, 7, 12]

Consulte tf.scatter_nd para obter mais detalhes sobre como fazer atualizações em fatias.

Consulte também tf.scatter_update e tf.batch_scatter_update .

Argumentos:

• escopo: um objeto Scope
• ref: Um tensor mutável. Deve ser de um nó variável .
• índices: A Tensor . Deve ser um dos seguintes tipos: int32, int64. Um tensor de índices em ref.
• atualizações: um tensor . Deve ter o mesmo tipo que ref. Um tensor de valores atualizados para adicionar à ref.

Atributos opcionais (consulte Attrs ):

• use_locking: um bool opcional. O padrão é True. Se for True, a atribuição será protegida por um cadeado; caso contrário, o comportamento é indefinido, mas pode exibir menos contenção.

Retorna:

• Output : Igual à ref. Retornado como uma conveniência para operações que desejam usar os valores atualizados após a atualização ser concluída.

Atributos públicos

Operation operation

::tensorflow::Output output_ref

 ScatterNdUpdate(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input ref,
  ::tensorflow::Input indices,
  ::tensorflow::Input updates
)

 ScatterNdUpdate(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input ref,
  ::tensorflow::Input indices,
  ::tensorflow::Input updates,
  const ScatterNdUpdate::Attrs & attrs
)

::tensorflow::Node * node() const 

 operator::tensorflow::Input() const 

 operator::tensorflow::Output() const 

Attrs UseLocking(
  bool x
)