সতর্কতা: প্রতিস্থাপন স্থিতিশীল হওয়ার পরে এই API টি অবচয় করা হয়েছে এবং টেনসরফ্লোয়ের ভবিষ্যতের সংস্করণে সরানো হবে।

ScatterNdNonAliasingAdd

পাবলিক ফাইনাল ক্লাস ScatterNdNonAliasingAdd

পৃথক মান বা স্লাইস ব্যবহার করে `ইনপুট`-এ স্পারস যোগ প্রয়োগ করে

সূচক `সূচক` অনুযায়ী `আপডেট` থেকে। আপডেটগুলি নন-অ্যালিয়াসিং: `ইনপুট` শুধুমাত্র জায়গায় পরিবর্তন করা হয় যদি অন্য কোনো ক্রিয়াকলাপ এটি ব্যবহার না করে। অন্যথায়, `ইনপুট` এর একটি অনুলিপি তৈরি করা হয়। এই অপারেশনটি `ইনপুট` এবং `আপডেট` উভয়ের ক্ষেত্রেই একটি গ্রেডিয়েন্ট আছে।

`ইনপুট` হল `P` র‍্যাঙ্ক সহ একটি `টেনসর` এবং `সূচক` হল `Q` র‍্যাঙ্কের `টেনসর`।

`সূচক` অবশ্যই পূর্ণসংখ্যার টেনসর হতে হবে, যাতে `ইনপুট`-এ সূচক থাকে। এটি অবশ্যই আকৃতি হতে হবে \\([d_0, ..., d_{Q-2}, K]\\) যেখানে `0 < K <= P`।

`সূচক` এর অন্তর্নিহিত মাত্রা (দৈর্ঘ্য `K` সহ) উপাদানগুলির মধ্যে সূচকের সাথে মিলে যায় (যদি `K = P`) বা `(PK)`-মাত্রিক স্লাইস (যদি `K <P`) `K`th বরাবর `ইনপুট` এর মাত্রা।

`আপডেট` হল আকৃতি সহ `Q-1+PK` র‍্যাঙ্কের `টেনসর`:

$$[d_0, ..., d_{Q-2}, input.shape[K], ..., input.shape[P-1]].$$

উদাহরণস্বরূপ, বলুন আমরা একটি র্যাঙ্ক-1 টেনসরে 8টি উপাদানের সাথে 4টি বিক্ষিপ্ত উপাদান যুক্ত করতে চাই। পাইথনে, সেই সংযোজনটি দেখতে এইরকম হবে:

ইনপুট = tf.constant([1, 2, 3, 4, 5, 6, 7, 8]) সূচক = tf.constant([[4], [3], [1], [7]]) আপডেট = tf.constant([9, 10, 11, 12]) output = tf.scatter_nd_non_aliasing_add(input, indices, updates) with tf.Session() as sess: print(sess.run(output))

ফলস্বরূপ মান `আউটপুট` এই মত দেখাবে:

[1, 13, 3, 14, 14, 6, 7, 20]

কিভাবে স্লাইস আপডেট করতে হয় সে সম্পর্কে আরো বিস্তারিত জানার জন্য tf.scatter_nd দেখুন।

পাবলিক পদ্ধতি

আউটপুট <T>
আউটপুট হিসাবে ()
একটি টেনসরের প্রতীকী হ্যান্ডেল প্রদান করে।
static <T, U প্রসারিত সংখ্যা> ScatterNdNonAliasingAdd <T>
তৈরি করুন ( স্কোপ স্কোপ, Operand <T> ইনপুট, Operand <U> সূচক, Operand <T> আপডেট)
একটি নতুন ScatterNdNonAliasingAdd অপারেশন মোড়ানো একটি ক্লাস তৈরি করার কারখানার পদ্ধতি।
আউটপুট <T>
আউটপুট ()
`ইনপুট` এর মতো একই আকৃতির একটি `টেনসর`, `আপডেট` সহ আপডেট করা `ইনপুট` এর মান রয়েছে।

উত্তরাধিকারসূত্রে প্রাপ্ত পদ্ধতি

পাবলিক পদ্ধতি

সর্বজনীন আউটপুট <T> হিসাবে আউটপুট ()

একটি টেনসরের প্রতীকী হ্যান্ডেল প্রদান করে।

TensorFlow অপারেশনের ইনপুট হল অন্য TensorFlow অপারেশনের আউটপুট। এই পদ্ধতিটি একটি সিম্বলিক হ্যান্ডেল পেতে ব্যবহৃত হয় যা ইনপুটের গণনার প্রতিনিধিত্ব করে।

পাবলিক স্ট্যাটিক ScatterNdNonAliasingAdd <T> তৈরি করুন ( স্কোপ স্কোপ, Operand <T> ইনপুট, Operand <U> সূচক, Operand <T> আপডেট)

একটি নতুন ScatterNdNonAliasingAdd অপারেশন মোড়ানো একটি ক্লাস তৈরি করার কারখানার পদ্ধতি।

পরামিতি
সুযোগ বর্তমান সুযোগ
ইনপুট একটি টেনসর।
সূচক একটি টেনসর। নিম্নলিখিত প্রকারগুলির মধ্যে একটি হতে হবে: `int32`, `int64`৷ `ইনপুট`-এ সূচকের একটি টেনসর।
আপডেট একটি টেনসর। রেফের মতো একই প্রকার থাকতে হবে। `ইনপুট`-এ যোগ করার জন্য আপডেট করা মানগুলির একটি টেনসর।
রিটার্নস
  • ScatterNdNonAliasingAdd এর একটি নতুন উদাহরণ

সর্বজনীন আউটপুট <T> আউটপুট ()

`ইনপুট` এর মতো একই আকৃতির একটি `টেনসর`, `আপডেট` সহ আপডেট করা `ইনপুট` এর মান রয়েছে।