tensorflow:: אופס:: ResourceScatterNdUpdate

מחיל updates דלילים על ערכים או פרוסות בודדות בתוך נתון.

תַקצִיר

משתנה לפי indices .

ref הוא Tensor עם דרגה P indices הוא Tensor בדרגה Q

indices חייבים להיות טנסור שלמים, המכיל מדדים לתוך ref . זה חייב להיות צורה [d_0, ..., d_{Q-2}, K] כאשר 0 < K <= P .

הממד הפנימי ביותר של indices (עם אורך K ) מתאים למדדים לאלמנטים (אם K = P ) או לפרוסות (אם K < P ) לאורך הממד K של ref .

updates הם Tensor בדרגה Q-1+PK עם צורה:

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

לדוגמה, נניח שאנו רוצים לעדכן 4 אלמנטים מפוזרים לטנזור דרגה 1 ל-8 אלמנטים. ב-Python, העדכון הזה ייראה כך:

    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)

העדכון שיתקבל ל-ref ייראה כך:

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

ראה tf.scatter_nd לפרטים נוספים על איך לבצע עדכונים לפרוסות.

טיעונים:

• scope: אובייקט Scope
• ref: ידית משאבים. חייב להיות מ-VarHandleOp.
• מדדים: A Tensor . חייב להיות אחד מהסוגים הבאים: int32, int64. טנזור של מדדים לתוך ref.
• עדכונים: A Tensor . חייב להיות אותו סוג כמו ref. טנסור של ערכים מעודכנים להוסיף ל-ref.

מאפיינים אופציונליים (ראה Attrs ):

• use_locking: bool אופציונלי. ברירת המחדל ל-True. אם נכון, ההקצאה תהיה מוגנת במנעול; אחרת ההתנהגות אינה מוגדרת, אך עלולה להפגין פחות מחלוקת.

החזרות:

• Operation שנוצר

תכונות ציבוריות

Operation operation

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

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

 operator::tensorflow::Operation() const 

Attrs UseLocking(
  bool x
)