Menambahkan pembaruan jarang ke referensi variabel.
Operasi ini menghitung
# Indeks skalar ref[indeks, ...] += pembaruan[...]
# Indeks vektor (untuk setiap i) ref[indices[i], ...] += update[i, ...]
# Indeks peringkat tinggi (untuk setiap i, ..., j) ref[indices[i, ..., j], ...] += update[i, ..., j, ...]
Operasi ini menampilkan `ref` setelah pembaruan selesai. Hal ini mempermudah operasi berantai yang perlu menggunakan nilai reset.
Entri duplikat ditangani dengan benar: jika beberapa `indeks` merujuk ke lokasi yang sama, kontribusinya akan bertambah.
Memerlukan `updates.shape = indices.shape + ref.shape[1:]` atau `updates.shape = []`.
Kelas Bersarang
kelas | ScatterAdd.Options | Atribut opsional untuk ScatterAdd |
Metode Publik
Keluaran <T> | sebagai Keluaran () Mengembalikan pegangan simbolik tensor. |
statis <T, U memperluas Angka> ScatterAdd <T> | |
Keluaran <T> | keluaranRef () = Sama seperti `ref`. |
ScatterAdd.Options statis | useLocking (penguncian penggunaan Boolean) |
Metode Warisan
Metode Publik
Keluaran publik <T> sebagai Keluaran ()
Mengembalikan pegangan simbolik tensor.
Masukan ke operasi TensorFlow adalah keluaran dari operasi TensorFlow lainnya. Metode ini digunakan untuk mendapatkan pegangan simbolis yang mewakili perhitungan input.
public static ScatterAdd <T> buat ( Lingkup cakupan , Operand <T> ref, indeks Operand <U>, pembaruan Operand <T>, Opsi... opsi)
Metode pabrik untuk membuat kelas yang membungkus operasi ScatterAdd baru.
Parameter
cakupan | ruang lingkup saat ini |
---|---|
referensi | Harus dari node `Variabel`. |
indeks | Tensor indeks ke dalam dimensi pertama `ref`. |
pembaruan | Tensor nilai yang diperbarui untuk ditambahkan ke `ref`. |
pilihan | membawa nilai atribut opsional |
Kembali
- contoh baru dari ScatterAdd
Keluaran publik <T> keluaranRef ()
= Sama seperti `ref`. Dikembalikan untuk memudahkan operasi yang ingin menggunakan nilai yang diperbarui setelah pembaruan selesai.
ScatterAdd.Options statis publik useLocking (Boolean useLocking)
Parameter
gunakan Penguncian | Jika Benar, penambahan akan dilindungi oleh kunci; jika tidak, perilaku tersebut tidak terdefinisikan, namun mungkin menunjukkan lebih sedikit pertentangan. |
---|