Mengurangi pembaruan yang jarang ke dalam variabel yang direferensikan oleh `sumber daya` menggunakan operasi `min`.
Operasi ini menghitung
# Indeks skalar ref[indeks, ...] = min(ref[indeks, ...], pembaruan[...])
# Indeks vektor (untuk setiap i) ref[indices[i], ...] = min(ref[indices[i], ...], update[i, ...])
# Indeks peringkat tinggi (untuk setiap i, ..., j) ref[indices[i, ..., j], ...] = min(ref[indices[i, ..., j], .. .], pembaruan[i, ..., j, ...])
Entri duplikat ditangani dengan benar: jika beberapa `indeks` merujuk pada lokasi yang sama, kontribusinya akan digabungkan.
Memerlukan `updates.shape = indices.shape + ref.shape[1:]` atau `updates.shape = []`.
![](https://tensorflow.google.cn/images/ScatterAdd.png?authuser=9&hl=id)
Metode Publik
statis <T memperluas Nomor, U> ResourceScatterMin | buat ( Lingkup cakupan , sumber daya Operand <?>, indeks Operand <T>, pembaruan Operand <U>) Metode pabrik untuk membuat kelas yang membungkus operasi ResourceScatterMin baru. |
Metode Warisan
Metode Publik
ResourceScatterMin statis publik membuat (Cakupan cakupan , sumber daya Operand <?>, indeks Operand <T>, pembaruan Operand <U>)
Metode pabrik untuk membuat kelas yang membungkus operasi ResourceScatterMin baru.
Parameter
cakupan | ruang lingkup saat ini |
---|---|
sumber | Harus dari node `Variabel`. |
indeks | Tensor indeks ke dalam dimensi pertama `ref`. |
pembaruan | Tensor nilai yang diperbarui untuk ditambahkan ke `ref`. |
Kembali
- contoh baru ResourceScatterMin