Aviso: esta API está obsoleta e será removida em uma versão futura do TensorFlow depois que a substituição estiver estável.

TensorScatterAdd

classe final pública TensorScatterAdd

Adiciona `updates` esparsas a um tensor existente de acordo com `indices`.

Esta operação cria um novo tensor adicionando `updates` esparsas ao passado em `tensor`. Esta operação é muito semelhante a tf.compat.v1.scatter_nd_add , exceto que as atualizações são adicionadas a um tensor existente (em oposição a uma variável). Se a memória para o tensor existente não puder ser reutilizada, uma cópia é feita e atualizada.

`indices` é um tensor inteiro contendo índices em um novo tensor de forma `tensor.shape`. A última dimensão de `indices` pode ser no máximo a classificação de `tensor.shape`:

indices.shape[-1] <= tensor.shape.rank
 
A última dimensão de `indices` corresponde a índices em elementos (se `indices.shape[-1] = tensor.shape. rank`) ou fatias (se `indices.shape[-1] < tensor.shape.rank`) ao longo da dimensão `indices.shape[-1]` de `tensor.shape`. `updates` é um tensor com forma
indices.shape[:-1] + tensor.shape[indices.shape[-1]:]
 
A forma mais simples de `tensor_scatter_nd_add` é adicionar elementos individuais a um tensor por índice. Por exemplo, digamos que queremos adicionar 4 elementos em um tensor de rank 1 com 8 elementos.

Em Python, esta operação de adição de dispersão ficaria assim:

>>> índices = tf.constant([[4], [3], [1], [7]]) >>> updates = tf.constant([9, 10, 11, 12]) >>> tensor = tf.ones([8], dtype=tf.int32) >>> atualizado = tf.tensor_scatter_nd_add(tensor, índices, atualizações) >>> atualizado

Também podemos inserir fatias inteiras de um tensor de classificação mais alta de uma só vez. Por exemplo, se quisermos inserir duas fatias na primeira dimensão de um tensor de rank 3 com duas matrizes de novos valores.

Em Python, esta operação de adição de dispersão ficaria assim:

>>> índices = tf.constant([[0], [2]]) >>> atualizações = 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) >>> atualizado = tf.tensor_scatter_nd_add(tensor, índices, atualizações) >>> atualizado

Nota: na CPU, se um índice fora do limite for encontrado, um erro será retornado. Na GPU, se um índice fora do limite for encontrado, o índice será ignorado.

Métodos públicos

Saída <T>
comoSaída ()
Retorna o identificador simbólico de um tensor.
estático <T, U estende Número> TensorScatterAdd <T>
create ( Escopo do escopo, tensor do operando <T>, índices do operando <U>, atualizações do operando <T>)
Método de fábrica para criar uma classe que envolve uma nova operação TensorScatterAdd.
Saída <T>
saída ()
Um novo tensor copiado do tensor e atualizações adicionadas de acordo com os índices.

Métodos Herdados

Métodos públicos

Public Output <T> asOutput ()

Retorna o identificador simbólico de um tensor.

As entradas para operações do TensorFlow são saídas de outra operação do TensorFlow. Este método é usado para obter um identificador simbólico que representa o cálculo da entrada.

public static TensorScatterAdd <T> create ( Escopo do escopo, tensor do Operando <T>, índices do Operando <U>, atualizações do Operando <T>)

Método de fábrica para criar uma classe que envolve uma nova operação TensorScatterAdd.

Parâmetros
alcance escopo atual
tensor Tensor para copiar/atualizar.
índices Tensor de índice.
atualizações Atualizações para espalhar na saída.
Devoluções
  • uma nova instância de TensorScatterAdd

saída pública <T> saída ()

Um novo tensor copiado do tensor e atualizações adicionadas de acordo com os índices.