جریان تنسور:: عملیات:: ScatterMax

به روز رسانی های پراکنده را با استفاده از عملیات max به یک مرجع متغیر کاهش می دهد.

خلاصه

این عملیات محاسبه می کند

# Scalar indices
ref[indices, ...] = max(ref[indices, ...], updates[...])

# Vector indices (for each i)
ref[indices[i], ...] = max(ref[indices[i], ...], updates[i, ...])

# High rank indices (for each i, ..., j)
ref[indices[i, ..., j], ...] = max(ref[indices[i, ..., j], ...], updates[i, ..., j, ...])

این عملیات پس از انجام به‌روزرسانی، ref را خروجی می‌دهد. این امر زنجیره عملیاتی را که نیاز به استفاده از مقدار بازنشانی دارند آسان تر می کند.

ورودی های تکراری به درستی مدیریت می شوند: اگر چندین indices به یک مکان اشاره کنند، مشارکت آنها ترکیب می شود.

به updates.shape = indices.shape + ref.shape[1:] یا updates.shape = [] نیاز دارد.

استدلال ها:

• scope: یک شی Scope
• ref: باید از یک گره Variable باشد.
• indices: تانسوری از شاخص ها به بعد اول ref .
• به روز رسانی: تانسوری از مقادیر به روز شده برای کاهش به ref .

ویژگی های اختیاری (به Attrs مراجعه کنید):

• use_locking: اگر True باشد، به روز رسانی توسط یک قفل محافظت می شود. در غیر این صورت رفتار تعریف نشده است، اما ممکن است اختلاف کمتری از خود نشان دهد.

برمی‌گرداند:

• Output : = مشابه ref . برای عملیاتی که می‌خواهند پس از انجام به‌روزرسانی از مقادیر به‌روزشده استفاده کنند، به‌عنوان سهولت بازگردانده شد.

صفات عمومی

Operation operation

::tensorflow::Output output_ref

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

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

::tensorflow::Node * node() const 

 operator::tensorflow::Input() const 

 operator::tensorflow::Output() const 

Attrs UseLocking(
  bool x
)