विरल अद्यतनों को `संसाधन` द्वारा संदर्भित चर में विभाजित करता है।
यह ऑपरेशन गणना करता है
# स्केलर सूचकांक रेफरी[सूचकांक, ...] /= अद्यतन[...]
# वेक्टर सूचकांक (प्रत्येक i के लिए) रेफरी[सूचकांक[i], ...] /= अपडेट[i, ...]
# उच्च रैंक सूचकांक (प्रत्येक i, ..., j के लिए) रेफरी[सूचकांक[i, ..., j], ...] /= अपडेट[i, ..., j, ...]
डुप्लिकेट प्रविष्टियों को सही ढंग से प्रबंधित किया जाता है: यदि एकाधिक `सूचकांक` एक ही स्थान को संदर्भित करते हैं, तो उनका योगदान कई गुना बढ़ जाता है।
`updates.shape = indices.shape + Ref.shape[1:]` या `updates.shape = []` की आवश्यकता है।
![](https://www.tensorflow.org/images/ScatterAdd.png?hl=hi)
सार्वजनिक तरीके
स्थिर <टी संख्या बढ़ाता है, यू> रिसोर्सस्कैटरडिव |
विरासत में मिली विधियाँ
सार्वजनिक तरीके
सार्वजनिक स्थैतिक रिसोर्सस्कैटरडिव बनाएं ( स्कोप स्कोप, ऑपरेंड <?> संसाधन, ऑपरेंड <टी> सूचकांक, ऑपरेंड <यू> अपडेट)
एक नए रिसोर्सस्कैटरडिव ऑपरेशन को लपेटकर एक क्लास बनाने की फ़ैक्टरी विधि।
पैरामीटर
दायरा | वर्तमान दायरा |
---|---|
संसाधन | 'वैरिएबल' नोड से होना चाहिए। |
सूचकांक | `रेफ` के पहले आयाम में सूचकांकों का एक टेंसर। |
अपडेट | `रेफ` में जोड़ने के लिए अद्यतन मानों का एक टेंसर। |
रिटर्न
- रिसोर्सस्कैटरडिव का एक नया उदाहरण