ResourceScatterMax

کلاس نهایی عمومی ResourceScatterMax

با استفاده از عملیات «حداکثر»، به‌روزرسانی‌های پراکنده را در متغیر مرجع «منبع» کاهش می‌دهد.

این عملیات محاسبه می کند

# شاخص های اسکالر ref[شاخص ها، ...] = حداکثر (ref[شاخص ها، ...]، به روز رسانی[...])

# شاخص های برداری (برای هر i) ref[شاخص[i]، ...] = حداکثر (ref[شاخص[i]، ...]، به روز رسانی[i، ...])

# شاخص های رتبه بالا (برای هر i، ...، j) ref[شاخص[i، ...، j]، ...] = max(ref[شاخص[i، ...، j]، .. .]، به روز رسانی ها[i، ...، j، ...])

ورودی‌های تکراری به درستی مدیریت می‌شوند: اگر چندین «شاخص» به یک مکان اشاره کنند، مشارکت‌های آنها با هم ترکیب می‌شوند.

به «updates.shape = indices.shape + ref.shape[1:]» یا «updates.shape = []» نیاز دارد.

ثابت ها

رشته OP_NAME نام این عملیات، همانطور که توسط موتور هسته TensorFlow شناخته می شود

روش های عمومی

استاتیک ResourceScatterMax
ایجاد ( دامنه دامنه ، منبع Operand <?>، Operand <? گسترش TNumber > شاخص ها، Operand <? گسترش TType > به روز رسانی ها)
روش کارخانه برای ایجاد کلاسی که یک عملیات ResourceScatterMax جدید را بسته بندی می کند.

روش های ارثی

ثابت ها

رشته نهایی ثابت عمومی OP_NAME

نام این عملیات، همانطور که توسط موتور هسته TensorFlow شناخته می شود

مقدار ثابت: "ResourceScatterMax"

روش های عمومی

ایجاد ResourceScatterMax ایستا عمومی ( دامنه دامنه ، منبع Operand <?>، Operand <? گسترش TNumber > شاخص ها، Operand <? گسترش TType > به روز رسانی ها)

روش کارخانه برای ایجاد کلاسی که یک عملیات ResourceScatterMax جدید را بسته بندی می کند.

مولفه های
محدوده محدوده فعلی
منبع باید از یک گره «متغیر» باشد.
شاخص ها تانسوری از شاخص‌ها در بعد اول «ref».
به روز رسانی ها تانسوری از مقادیر به‌روزرسانی شده برای افزودن به «ref».
برمی گرداند
  • یک نمونه جدید از ResourceScatterMax