tensor akışı:: işlem:: DağılımNdGüncellemesi

Belirli bir değer içindeki bireysel değerlere veya dilimlere seyrek updates uygular.

Özet

indices göre değişkenlik göstermektedir.

ref , P derecesine sahip bir Tensor ve indices , Q derecesine sahip bir Tensor .

indices ref içindeki dizinleri içeren tamsayı tensör olmalıdır. Şekli olmalı \([d_0, ..., d_{Q-2}, K]\) burada 0 < K <= P .

indices en iç boyutu ( K uzunluğunda), ref K boyutu boyunca elemanlar ( K = P ise) veya dilimler ( K < P ise) şeklindeki endekslere karşılık gelir.

updates Q-1+PK dereceli Tensor ve şu şekle sahiptir:

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

Örneğin, 4 dağınık öğeyi derece 1 tensöre 8 öğeye güncellemek istediğimizi varsayalım. Python'da bu güncelleme şöyle görünecektir:

    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)

Sonuçta ortaya çıkan ref güncellemesi şöyle görünecektir:

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

Dilimlerde güncellemelerin nasıl yapılacağı hakkında daha fazla ayrıntı için tf.scatter_nd bakın.

Ayrıca bkz tf.scatter_update ve tf.batch_scatter_update .

Argümanlar:

• kapsam: Bir Kapsam nesnesi
• ref: Değişken bir Tensör . Değişken bir düğümden olmalıdır.
• endeksler: A Tensör . Aşağıdaki türlerden biri olmalıdır: int32, int64. Ref'e endekslerin tensörü.
• güncellemeler: Bir Tensör . Ref ile aynı türde olmalıdır. Referansa eklenecek güncellenmiş değerlerin tensörü.

İsteğe bağlı özellikler (bkz. Attrs ):

• use_locking: İsteğe bağlı bir bool. Varsayılan olarak True'dur. True ise atama bir kilitle korunacaktır; aksi takdirde davranış tanımsızdır ancak daha az çekişme sergileyebilir.

İade:

• Output : Ref ile aynı. Güncelleme yapıldıktan sonra güncellenen değerleri kullanmak isteyen işlemler için kolaylık sağlamak amacıyla geri döndü.

Genel özellikler

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
)