TensorScatterAdd

kelas akhir publik TensorScatterAdd

Menambahkan `pembaruan` yang jarang ke tensor yang ada menurut `indeks`.

Operasi ini membuat tensor baru dengan menambahkan `pembaruan` yang jarang ke `tensor` yang diteruskan. Operasi ini sangat mirip dengan tf.compat.v1.scatter_nd_add , kecuali bahwa pembaruan ditambahkan ke tensor yang ada (sebagai lawan dari variabel). Jika memori untuk tensor yang ada tidak dapat digunakan kembali, salinan dibuat dan diperbarui.

`indeks` adalah tensor bilangan bulat yang berisi indeks ke dalam tensor baru berbentuk `tensor.shape`. Dimensi terakhir dari `indices` paling banyak dapat berupa peringkat `tensor.shape`: l10n

indices.shape[-1] <= tensor.shape.rank
 

Dimensi terakhir dari `indices` sesuai dengan indeks menjadi elemen (jika `indices.shape[-1] = tensor.shape. rank`) atau irisan (jika `indices.shape[-1] < tensor.shape.rank`) di sepanjang dimensi `indices.shape[-1]` dari `tensor.shape`. `updates` adalah tensor dengan bentuk

indices.shape[:-1] + tensor.shape[indices.shape[-1]:]
 

Bentuk paling sederhana dari `tensor_scatter_nd_add` adalah menambahkan elemen individual ke tensor berdasarkan indeks. Misalnya, kita ingin menambahkan 4 elemen dalam tensor rank-1 dengan 8 elemen.

Dengan Python, operasi penambahan pencar ini akan terlihat seperti ini:

>>> indeks = tf.constant([[4], [3], [1], [7]]) >>> update = tf.constant([9, 10, 11, 12]) >>> tensor = tf.ones([8], dtype=tf.int32) >>> diperbarui = tf.tensor_scatter_nd_add(tensor, indeks, pembaruan) >>> diperbarui

Kita juga bisa, memasukkan seluruh irisan tensor peringkat yang lebih tinggi sekaligus. Misalnya, jika kita ingin menyisipkan dua irisan dalam dimensi pertama tensor peringkat-3 dengan dua matriks nilai baru.

Dengan Python, operasi penambahan pencar ini akan terlihat seperti ini:

>>> indeks = tf.constant([[0], [2]]) >>> update = tf.constant([[[5, 5, 5, 5], [6, 6, 6, 6], ... [7, 7, 7, 7], [8, 8, 8, 8]], ... [[5, 5, 5, 5], [6, 6, 6, 6], .. [7, 7, 7, 7], [8, 8, 8, 8]]]) >>> tensor = tf.ones([4, 4, 4],dtype=tf.int32) >>> diperbarui = tf.tensor_scatter_nd_add(tensor, indeks, pembaruan) >>> diperbarui

Catatan: pada CPU, jika indeks di luar batas ditemukan, kesalahan akan dikembalikan. Pada GPU, jika indeks di luar batas ditemukan, indeks diabaikan.

Metode Publik

Keluaran <T>	sebagai Keluaran () Mengembalikan pegangan simbolis dari sebuah tensor.
static <T, U memperluas Number> TensorScatterAdd <T>	buat ( Cakupan cakupan, tensor Operand <T>, indeks Operand <U>, pembaruan Operand <T>) Metode pabrik untuk membuat kelas yang membungkus operasi TensorScatterAdd baru.
Keluaran <T>	keluaran () Tensor baru yang disalin dari tensor dan pembaruan ditambahkan sesuai dengan indeks.

Metode yang Diwarisi

Dari kelas org.tensorflow.op.PrimitiveOp

boolean akhir	sama (objek objek)
akhir	kode hash ()
Operasi	op () Mengembalikan Operation yang mendasarinya
string terakhir	toString ()

Dari kelas java.lang.Object

boolean	sama dengan (Objek arg0)
Kelas terakhir<?>	dapatkanKelas ()
ke dalam	kode hash ()
kekosongan akhir	beri tahu ()
kekosongan akhir	beri tahu Semua ()
Rangkaian	toString ()
kekosongan akhir	tunggu (arg panjang0, int arg1)
kekosongan akhir	tunggu (arg panjang0)
kekosongan akhir	tunggu ()

Dari antarmuka org.tensorflow.Operand

Keluaran abstrak <T>

sebagai Keluaran () Mengembalikan pegangan simbolis dari sebuah tensor.

Metode Publik

Output publik <T> sebagai Output ()

Mengembalikan pegangan simbolis dari sebuah tensor.

Input ke operasi TensorFlow adalah output dari operasi TensorFlow lainnya. Metode ini digunakan untuk mendapatkan pegangan simbolis yang mewakili perhitungan input.

public static TensorScatterAdd <T> create ( Scope scope, Operand <T> tensor, Operand <U> index, Operand <T> update)

Metode pabrik untuk membuat kelas yang membungkus operasi TensorScatterAdd baru.

Parameter

cakupan	lingkup saat ini
tensor	Tensor untuk menyalin/memperbarui.
indeks	Tensor indeks.
pembaruan	Pembaruan untuk disebarkan ke dalam output.

Kembali

• contoh baru TensorScatterAdd

Keluaran publik <T> keluaran ()

Tensor baru yang disalin dari tensor dan pembaruan ditambahkan sesuai dengan indeks.