Mengalikan pembaruan yang jarang menjadi referensi variabel.
Toedjoe menghitung operasi ini
# Scalar indices
ref[indices, ...] *= updates[...]
# Vector indices (for each i)
ref[indices[i], ...] *= updates[i, ...]
# High rank indices (for each i, ..., j)
ref[indices[i, ..., j], ...] *= updates[i, ..., j, ...]
ini output operasi `ref` setelah update dilakukan. Hal ini memudahkan rantai operasi yang perlu menggunakan nilai reset.Entri duplikat ditangani dengan benar: jika beberapa `indeks` merujuk ke lokasi yang sama, kontribusinya berlipat ganda.
Membutuhkan `updates.shape = indices.shape + ref.shape[1:]` atau `updates.shape = []`.
Kelas Bersarang
kelas | ScatterMul.Options | Atribut opsional untuk ScatterMul |
Metode Publik
Output <T> | asOutput () Mengembalikan pegangan simbolis tensor. |
statis <T, U meluas Nomor> ScatterMul <T> | |
Output <T> | outputRef () = Sama seperti `ref`. |
statis ScatterMul.Options | useLocking (Boolean useLocking) |
Metode yang Diwarisi
Metode Publik
publik Keluaran <T> asOutput ()
Mengembalikan pegangan simbolis tensor.
Input ke operasi TensorFlow adalah output dari operasi TensorFlow lainnya. Metode ini digunakan untuk mendapatkan pegangan simbolis yang mewakili perhitungan input.
public static ScatterMul <T> membuat ( Lingkup lingkup, Operan <T> ref, Operan <U> indeks, Operan <T> update, Options ... pilihan)
Metode pabrik untuk membuat kelas yang membungkus operasi ScatterMul baru.
Parameter
cakupan | lingkup saat ini |
---|---|
ref | Harus dari simpul `Variabel`. |
indeks | Tensor indeks ke dalam dimensi pertama `ref`. |
pembaruan | Tensor nilai yang diperbarui untuk dikalikan dengan `ref`. |
pilihan | membawa nilai atribut opsional |
Kembali
- contoh baru ScatterMul
publik Keluaran <T> outputRef ()
= Sama seperti `ref`. Dikembalikan sebagai kemudahan untuk operasi yang ingin menggunakan nilai yang diperbarui setelah pembaruan selesai.
public static ScatterMul.Options useLocking (Boolean useLocking)
Parameter
gunakanPenguncian | Jika Benar, operasi akan dilindungi oleh kunci; jika tidak, perilaku tidak terdefinisi, tetapi mungkin menunjukkan lebih sedikit pertentangan. |
---|