aliran tensor:: operasi:: Pembaruan SebarNd

Menerapkan updates yang jarang pada nilai atau irisan individual dalam suatu nilai tertentu.

Ringkasan

variabel menurut indices .

ref adalah Tensor dengan peringkat P dan indices adalah Tensor dengan peringkat Q .

indices harus berupa tensor bilangan bulat, berisi indeks ke dalam ref . Itu harus berbentuk \([d_0, ..., d_{Q-2}, K]\) dimana 0 < K <= P .

Dimensi terdalam dari indices (dengan panjang K ) sesuai dengan indeks menjadi elemen (jika K = P ) atau irisan (jika K < P ) sepanjang K dimensi ke- ref .

updates adalah Tensor peringkat Q-1+PK dengan bentuk:

Misalnya, kita ingin memperbarui 4 elemen yang tersebar ke tensor peringkat-1 menjadi 8 elemen. Dengan Python, pembaruan itu akan terlihat seperti ini:

    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)

Pembaruan yang dihasilkan untuk ref akan terlihat seperti ini:

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

Lihat tf.scatter_nd untuk detail selengkapnya tentang cara memperbarui irisan.

Lihat juga tf.scatter_update dan tf.batch_scatter_update .

Argumen:

• ruang lingkup: Objek Lingkup
• referensi: Tensor yang bisa berubah. Harus dari node Variabel .
• indeks: Tensor . Harus berupa salah satu dari jenis berikut: int32, int64. Tensor indeks menjadi ref.
• pembaruan: Tensor . Harus memiliki tipe yang sama dengan ref. Tensor nilai yang diperbarui untuk ditambahkan ke referensi.

Atribut opsional (lihat Attrs ):

• use_locking: Bool opsional. Defaultnya adalah Benar. Jika Benar, penugasan akan dilindungi oleh kunci; jika tidak, perilaku tersebut tidak terdefinisikan, namun mungkin menunjukkan lebih sedikit pertentangan.

Pengembalian:

• Output : Sama seperti ref. Dikembalikan untuk memudahkan operasi yang ingin menggunakan nilai yang diperbarui setelah pembaruan selesai.

Atribut publik

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
)