ResourceScatterMax

ResourceScatterMax kelas akhir publik

Mengurangi pembaruan yang jarang ke dalam variabel yang direferensikan oleh `sumber daya` menggunakan operasi `maks`.

Operasi ini menghitung

# Indeks skalar ref[indeks, ...] = max(ref[indeks, ...], pembaruan[...])

# Indeks vektor (untuk setiap i) ref[indeks[i], ...] = max(ref[indeks[i], ...], update[i, ...])

# Indeks peringkat tinggi (untuk setiap i, ..., j) ref[indeks[i, ..., j], ...] = max(ref[indeks[i, ..., j], .. .], pembaruan[i, ..., j, ...])

Entri duplikat ditangani dengan benar: jika beberapa `indeks` merujuk ke lokasi yang sama, kontribusinya akan digabungkan.

Membutuhkan `updates.shape = indices.shape + ref.shape[1:]` atau `updates.shape = []`.

Metode Publik

statis <T memperluas Angka, U> ResourceScatterMax

buat ( Cakupan cakupan, sumber daya Operand <?>, indeks Operand <T>, pembaruan Operand <U>) Metode pabrik untuk membuat kelas yang membungkus operasi ResourceScatterMax baru.

Metode yang Diwarisi

Dari kelas org.tensorflow.op.PrimitiveOp

boolean akhir	sama (objek objek)
akhir	kode hash ()
Operasi	op () Mengembalikan Operation yang mendasarinya
string terakhir	toString ()

Dari kelas java.lang.Object

boolean	sama dengan (Objek arg0)
Kelas terakhir<?>	dapatkanKelas ()
ke dalam	kode hash ()
kekosongan akhir	beri tahu ()
kekosongan akhir	beri tahu Semua ()
Rangkaian	toString ()
kekosongan akhir	tunggu (arg panjang0, int arg1)
kekosongan akhir	tunggu (arg panjang0)
kekosongan akhir	tunggu ()

Metode Publik

pembuatan ResourceScatterMax statis publik ( Cakupan lingkup, sumber daya Operand <?>, indeks Operand <T>, pembaruan Operand <U>)

Metode pabrik untuk membuat kelas yang membungkus operasi ResourceScatterMax baru.

Parameter

cakupan	lingkup saat ini
sumber	Harus dari simpul `Variabel`.
indeks	Tensor indeks ke dalam dimensi pertama `ref`.
pembaruan	Tensor nilai yang diperbarui untuk ditambahkan ke `ref`.

Kembali

• contoh baru ResourceScatterMax