Menerapkan penambahan sparse ke `input` menggunakan nilai atau irisan individual
dari `pembaruan` menurut indeks `indeks`. Pembaruannya non-aliasing: `input` hanya diubah di tempat jika tidak ada operasi lain yang menggunakannya. Jika tidak, salinan `input` akan dibuat. Operasi ini memiliki gradien terhadap `input` dan `updates`.
`input` adalah `Tensor` dengan peringkat `P` dan `indeks` adalah `Tensor` dengan peringkat `Q`.
`indeks` harus berupa tensor bilangan bulat, yang berisi indeks ke dalam `input`. Itu harus berbentuk \\([d_0, ..., d_{Q-2}, K]\\) dimana `0 < K <= P`.
Dimensi terdalam dari `indeks` (dengan panjang `K`) sesuai dengan indeks ke dalam elemen (jika `K = P`) atau irisan dimensi `(PK)` (jika `K < P`) sepanjang `K`th dimensi `masukan`.
`updates` adalah `Tensor` dengan peringkat `Q-1+PK` dengan bentuk:
$$[d_0, ..., d_{Q-2}, input.shape[K], ..., input.shape[P-1]].$$
Misalnya kita ingin menambahkan 4 elemen tersebar ke tensor peringkat-1 menjadi 8 elemen. Di Python, penambahan itu akan terlihat seperti ini:
input = tf.constant([1, 2, 3, 4, 5, 6, 7, 8]) indeks = tf.constant([[4], [3], [1], [7]]) pembaruan = tf.constant([9, 10, 11, 12]) output = tf.scatter_nd_non_aliasing_add(input, indeks, pembaruan) dengan tf.Session() sebagai sess: print(sess.run(output))
Nilai `output` yang dihasilkan akan terlihat seperti ini:
[1, 13, 3, 14, 14, 6, 7, 20]
Lihat tf.scatter_nd untuk detail selengkapnya tentang cara memperbarui irisan.
Metode Publik
| Keluaran <T> | sebagai Keluaran () Mengembalikan pegangan simbolik tensor. |
| statis <T, U memperluas Angka> ScatterNdNonAliasingAdd <T> | |
| Keluaran <T> | keluaran () `Tensor` dengan bentuk yang sama dengan `input`, berisi nilai `input` yang diperbarui dengan `updates`. |
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 ScatterNdNonAliasingAdd <T> buat ( Lingkup cakupan , input Operand <T>, indeks Operand <U>, pembaruan Operand <T>)
Metode pabrik untuk membuat kelas yang membungkus operasi ScatterNdNonAliasingAdd baru.
Parameter
| cakupan | ruang lingkup saat ini |
|---|---|
| masukan | Sebuah Tensor. |
| indeks | Sebuah Tensor. Harus berupa salah satu dari jenis berikut: `int32`, `int64`. Tensor indeks menjadi `input`. |
| pembaruan | Sebuah Tensor. Harus memiliki tipe yang sama dengan ref. Tensor nilai yang diperbarui untuk ditambahkan ke `input`. |
Kembali
- contoh baru dari ScatterNdNonAliasingAdd
Keluaran publik <T> keluaran ()
`Tensor` dengan bentuk yang sama dengan `input`, berisi nilai `input` yang diperbarui dengan `updates`.
Menerapkan penambahan sparse ke `input` menggunakan nilai atau irisan individual
dari `pembaruan` menurut indeks `indeks`. Pembaruannya non-aliasing: `input` hanya diubah di tempat jika tidak ada operasi lain yang menggunakannya. Jika tidak, salinan `input` akan dibuat. Operasi ini memiliki gradien terhadap `input` dan `updates`.
`input` adalah `Tensor` dengan peringkat `P` dan `indeks` adalah `Tensor` dengan peringkat `Q`.
`indeks` harus berupa tensor bilangan bulat, yang berisi indeks ke dalam `input`. Itu harus berbentuk \\([d_0, ..., d_{Q-2}, K]\\) dimana `0 < K <= P`.
Dimensi terdalam dari `indeks` (dengan panjang `K`) sesuai dengan indeks ke dalam elemen (jika `K = P`) atau irisan dimensi `(PK)` (jika `K < P`) sepanjang `K`th dimensi `masukan`.
`updates` adalah `Tensor` dengan peringkat `Q-1+PK` dengan bentuk:
$$[d_0, ..., d_{Q-2}, input.shape[K], ..., input.shape[P-1]].$$
Misalnya kita ingin menambahkan 4 elemen tersebar ke tensor peringkat-1 menjadi 8 elemen. Di Python, penambahan itu akan terlihat seperti ini:
input = tf.constant([1, 2, 3, 4, 5, 6, 7, 8]) indeks = tf.constant([[4], [3], [1], [7]]) pembaruan = tf.constant([9, 10, 11, 12]) output = tf.scatter_nd_non_aliasing_add(input, indeks, pembaruan) dengan tf.Session() sebagai sess: print(sess.run(output))
Nilai `output` yang dihasilkan akan terlihat seperti ini:
[1, 13, 3, 14, 14, 6, 7, 20]
Lihat tf.scatter_nd untuk detail selengkapnya tentang cara memperbarui irisan.
Metode Publik
| Keluaran <T> | sebagai Keluaran () Mengembalikan pegangan simbolik tensor. |
| statis <T, U memperluas Angka> ScatterNdNonAliasingAdd <T> | |
| Keluaran <T> | keluaran () `Tensor` dengan bentuk yang sama dengan `input`, berisi nilai `input` yang diperbarui dengan `updates`. |
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 ScatterNdNonAliasingAdd <T> buat ( Lingkup cakupan , input Operand <T>, indeks Operand <U>, pembaruan Operand <T>)
Metode pabrik untuk membuat kelas yang membungkus operasi ScatterNdNonAliasingAdd baru.
Parameter
| cakupan | ruang lingkup saat ini |
|---|---|
| masukan | Sebuah Tensor. |
| indeks | Sebuah Tensor. Harus berupa salah satu dari jenis berikut: `int32`, `int64`. Tensor indeks menjadi `input`. |
| pembaruan | Sebuah Tensor. Harus memiliki tipe yang sama dengan ref. Tensor nilai yang diperbarui untuk ditambahkan ke `input`. |
Kembali
- contoh baru dari ScatterNdNonAliasingAdd
Keluaran publik <T> keluaran ()
Sebuah `Tensor` dengan bentuk yang sama dengan `input`, berisi nilai `input` yang diperbarui dengan `updates`.
Menerapkan penambahan sparse ke `input` menggunakan nilai atau irisan individual
dari `pembaruan` menurut indeks `indeks`. Pembaruannya non-aliasing: `input` hanya diubah di tempat jika tidak ada operasi lain yang menggunakannya. Jika tidak, salinan `input` akan dibuat. Operasi ini memiliki gradien terhadap `input` dan `updates`.
`input` adalah `Tensor` dengan peringkat `P` dan `indeks` adalah `Tensor` dengan peringkat `Q`.
`indeks` harus berupa tensor bilangan bulat, yang berisi indeks ke dalam `input`. Itu harus berbentuk \\([d_0, ..., d_{Q-2}, K]\\) dimana `0 < K <= P`.
Dimensi terdalam dari `indeks` (dengan panjang `K`) sesuai dengan indeks ke dalam elemen (jika `K = P`) atau irisan dimensi `(PK)` (jika `K < P`) sepanjang `K`th dimensi `masukan`.
`updates` adalah `Tensor` dengan peringkat `Q-1+PK` dengan bentuk:
$$[d_0, ..., d_{Q-2}, input.shape[K], ..., input.shape[P-1]].$$
Misalnya kita ingin menambahkan 4 elemen tersebar ke tensor peringkat-1 menjadi 8 elemen. Di Python, penambahan itu akan terlihat seperti ini:
input = tf.constant([1, 2, 3, 4, 5, 6, 7, 8]) indeks = tf.constant([[4], [3], [1], [7]]) pembaruan = tf.constant([9, 10, 11, 12]) output = tf.scatter_nd_non_aliasing_add(input, indeks, pembaruan) dengan tf.Session() sebagai sess: print(sess.run(output))
Nilai `output` yang dihasilkan akan terlihat seperti ini:
[1, 13, 3, 14, 14, 6, 7, 20]
Lihat tf.scatter_nd untuk detail selengkapnya tentang cara memperbarui irisan.
Metode Publik
| Keluaran <T> | sebagai Keluaran () Mengembalikan pegangan simbolik tensor. |
| statis <T, U memperluas Angka> ScatterNdNonAliasingAdd <T> | |
| Keluaran <T> | keluaran () `Tensor` dengan bentuk yang sama dengan `input`, berisi nilai `input` yang diperbarui dengan `updates`. |
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 ScatterNdNonAliasingAdd <T> buat ( Lingkup cakupan , input Operand <T>, indeks Operand <U>, pembaruan Operand <T>)
Metode pabrik untuk membuat kelas yang membungkus operasi ScatterNdNonAliasingAdd baru.
Parameter
| cakupan | ruang lingkup saat ini |
|---|---|
| masukan | Sebuah Tensor. |
| indeks | Sebuah Tensor. Harus berupa salah satu dari jenis berikut: `int32`, `int64`. Tensor indeks menjadi `input`. |
| pembaruan | Sebuah Tensor. Harus memiliki tipe yang sama dengan ref. Tensor nilai yang diperbarui untuk ditambahkan ke `input`. |
Kembali
- contoh baru dari ScatterNdNonAliasingAdd
Keluaran publik <T> keluaran ()
`Tensor` dengan bentuk yang sama dengan `input`, berisi nilai `input` yang diperbarui dengan `updates`.
Menerapkan penambahan sparse ke `input` menggunakan nilai atau irisan individual
dari `pembaruan` menurut indeks `indeks`. Pembaruannya non-aliasing: `input` hanya diubah di tempat jika tidak ada operasi lain yang menggunakannya. Jika tidak, salinan `input` akan dibuat. Operasi ini memiliki gradien terhadap `input` dan `updates`.
`input` adalah `Tensor` dengan peringkat `P` dan `indeks` adalah `Tensor` dengan peringkat `Q`.
`indeks` harus berupa tensor bilangan bulat, yang berisi indeks ke dalam `input`. Itu harus berbentuk \\([d_0, ..., d_{Q-2}, K]\\) dimana `0 < K <= P`.
Dimensi terdalam dari `indeks` (dengan panjang `K`) sesuai dengan indeks ke dalam elemen (jika `K = P`) atau irisan dimensi `(PK)` (jika `K < P`) sepanjang `K`th dimensi `masukan`.
`updates` adalah `Tensor` dengan peringkat `Q-1+PK` dengan bentuk:
$$[d_0, ..., d_{Q-2}, input.shape[K], ..., input.shape[P-1]].$$
Misalnya kita ingin menambahkan 4 elemen tersebar ke tensor peringkat-1 menjadi 8 elemen. Di Python, penambahan itu akan terlihat seperti ini:
input = tf.constant([1, 2, 3, 4, 5, 6, 7, 8]) indeks = tf.constant([[4], [3], [1], [7]]) pembaruan = tf.constant([9, 10, 11, 12]) output = tf.scatter_nd_non_aliasing_add(input, indeks, pembaruan) dengan tf.Session() sebagai sess: print(sess.run(output))
Nilai `output` yang dihasilkan akan terlihat seperti ini:
[1, 13, 3, 14, 14, 6, 7, 20]
Lihat tf.scatter_nd untuk detail selengkapnya tentang cara memperbarui irisan.
Metode Publik
| Keluaran <T> | sebagai Keluaran () Mengembalikan pegangan simbolik tensor. |
| statis <T, U memperluas Angka> ScatterNdNonAliasingAdd <T> | |
| Keluaran <T> | keluaran () Sebuah `Tensor` dengan bentuk yang sama dengan `input`, berisi nilai `input` yang diperbarui dengan `updates`. |
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 ScatterNdNonAliasingAdd <T> buat ( Lingkup cakupan , input Operand <T>, indeks Operand <U>, pembaruan Operand <T>)
Metode pabrik untuk membuat kelas yang membungkus operasi ScatterNdNonAliasingAdd baru.
Parameter
| cakupan | ruang lingkup saat ini |
|---|---|
| masukan | Sebuah Tensor. |
| indeks | Sebuah Tensor. Harus berupa salah satu dari jenis berikut: `int32`, `int64`. Tensor indeks menjadi `input`. |
| pembaruan | Sebuah Tensor. Harus memiliki tipe yang sama dengan ref. Tensor nilai yang diperbarui untuk ditambahkan ke `input`. |
Kembali
- contoh baru dari ScatterNdNonAliasingAdd
Keluaran publik <T> keluaran ()
`Tensor` dengan bentuk yang sama dengan `input`, berisi nilai `input` yang diperbarui dengan `updates`.