מוסיף `עדכונים` דלילים לטנזור קיים לפי `מדדים`.
פעולה זו יוצרת טנסור חדש על ידי הוספת `עדכונים` דלילים למעבר ב`טנזור`. פעולה זו דומה מאוד ל-`tf.scatter_nd_add`, אלא שהעדכונים מתווספים על טנזור קיים (בניגוד למשתנה). אם לא ניתן לעשות שימוש חוזר בזיכרון של הטנזור הקיים, עותק מבוצע ומתעדכן.
`מדדים` הוא טנסור שלם המכיל מדדים לתוך טנזור חדש של הצורה `tensor.shape`. הממד האחרון של `מדדים` יכול להיות לכל היותר בדרגה של `tensor.shape`:
indices.shape[-1] <= tensor.shape.rank
הממד האחרון של `מדדים` מתאים למדדים לאלמנטים (אם `indices.shape[-1] = tensor.shape.rank`) או לפרוסות (אם `indices.shape[-1] < tensor.shape.rank`) לאורך הממד `indices.shape[-1]` של `tensor.shape`. 'עדכונים' הוא טנסור עם צורה
indices.shape[:-1] + tensor.shape[indices.shape[-1]:]
הצורה הפשוטה ביותר של tensor_scatter_add היא להוסיף אלמנטים בודדים לטנזור לפי אינדקס. לדוגמה, נניח שאנו רוצים להוסיף 4 אלמנטים בטנזור דרגה 1 עם 8 אלמנטים.
ב-Python, פעולת הוספה של פיזור זו תיראה כך:
indices = tf.constant([[4], [3], [1], [7]])
updates = tf.constant([9, 10, 11, 12])
tensor = tf.ones([8], dtype=tf.int32)
updated = tf.tensor_scatter_nd_add(tensor, indices, updates)
print(updated)
[1, 12, 1, 11, 10, 1, 1, 13]
אנחנו יכולים גם להכניס בבת אחת פרוסות שלמות של טנזור בדרגה גבוהה יותר. לדוגמה, אם נרצה להכניס שתי פרוסות בממד הראשון של טנסור דרגה-3 עם שתי מטריצות של ערכים חדשים.
ב-Python, פעולת הוספה של פיזור זו תיראה כך:
indices = tf.constant([[0], [2]])
updates = 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)
updated = tf.tensor_scatter_nd_add(tensor, indices, updates)
print(updated)
[[[6, 6, 6, 6], [7, 7, 7, 7], [8, 8, 8, 8], [9, 9, 9, 9]], [[1, 1, 1 , 1], [1, 1, 1, 1], [1, 1, 1, 1], [1, 1, 1, 1]], [[6, 6, 6, 6], [7, 7 , 7, 7], [8, 8, 8, 8], [9, 9, 9, 9]], [[1, 1, 1, 1], [1, 1, 1, 1], [1] , 1, 1, 1], [1, 1, 1, 1]]]
שימו לב שב-CPU, אם נמצא אינדקס מחוץ לתחום, מוחזרת שגיאה. ב-GPU, אם נמצא אינדקס מחוץ לתחום, מתעלמים מהאינדקס.
קבועים
חוּט | OP_NAME | השם של המבצע הזה, כפי שידוע על ידי מנוע הליבה של TensorFlow |
שיטות ציבוריות
פלט <T> | asOutput () מחזירה את הידית הסמלית של הטנזור. |
סטטי <T מרחיב את TType > TensorScatterNdAdd <T> | |
פלט <T> | פלט () טנסור חדש שהועתק מטנזור ועדכונים שנוספו לפי המדדים. |
שיטות בירושה
קבועים
מחרוזת סופית סטטית ציבורית OP_NAME
השם של המבצע הזה, כפי שידוע על ידי מנוע הליבה של TensorFlow
שיטות ציבוריות
פלט ציבורי <T> asOutput ()
מחזירה את הידית הסמלית של הטנזור.
כניסות לפעולות TensorFlow הן יציאות של פעולת TensorFlow אחרת. שיטה זו משמשת להשגת ידית סמלית המייצגת את חישוב הקלט.
סטטי ציבורי TensorScatterNdAdd <T> ליצור (היקף היקף , Operand <T> tensor, Operand <? מרחיב את המדדים של TNummer , עדכוני Operand <T>)
שיטת מפעל ליצירת מחלקה העוטפת פעולת TensorScatterNdAdd חדשה.
פרמטרים
תְחוּם | ההיקף הנוכחי |
---|---|
מוֹתֵחַ | טנסור להעתקה/עדכון. |
מדדים | טנסור אינדקס. |
עדכונים | עדכונים לפיזור בפלט. |
מחזיר
- מופע חדש של TensorScatterNdAdd