Adiciona `atualizações` esparsas a um tensor existente de acordo com` índices`.
Esta operação cria um novo tensor adicionando `atualizações` esparsas ao` tensor` passado. Esta operação é muito semelhante a `tf.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.
`índices` é um tensor inteiro contendo índices em um novo tensor de forma` tensor.shape`. A última dimensão de `índices` pode ser no máximo a classificação de` tensor.shape`:
indices.shape [-1] <= tensor.shape.rank
A última dimensão de `índices` corresponde aos 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_add é adicionar elementos individuais a um tensor por índice. Por exemplo, digamos que queremos adicionar 4 elementos em um tensor de classificação 1 com 8 elementos.
Em Python, esta operação de dispersão add ficaria assim:
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)
O tensor resultando ficaria assim:[1, 12, 1, 11, 10, 1, 1, 13]
Também podemos inserir fatias inteiras de um tensor de classificação superior de uma vez. Por exemplo, se quisermos inserir duas fatias na primeira dimensão de um tensor de classificação 3 com duas matrizes de novos valores.
Em Python, esta operação de dispersão add ficaria assim:
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)
O tensor resultando ficaria assim:[[[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]]]
Observe que, 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.
Constantes
Fragmento | OP_NAME | O nome desta operação, conforme conhecido pelo motor principal TensorFlow |
Métodos Públicos
Output <T> | asOutput () Retorna o identificador simbólico do tensor. |
estática <T estende TType > TensorScatterNdAdd <T> | |
Output <T> | saída () Um novo tensor copiado do tensor e atualizações adicionadas de acordo com os índices. |
Métodos herdados
Constantes
nome_op final String public static
O nome desta operação, conforme conhecido pelo motor principal TensorFlow
Métodos Públicos
pública Output <T> asOutput ()
Retorna o identificador simbólico do tensor.
As entradas para as 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 TensorScatterNdAdd <T> create ( Scope escopo, Operando <T> tensor, Operando <? estende TNumber > índices, Operando <T> atualizações)
Método de fábrica para criar uma classe que envolve uma nova operação TensorScatterNdAdd.
Parâmetros
alcance | escopo atual |
---|---|
tensor | Tensor para copiar / atualizar. |
índices | Tensor de índice. |
atualizações | Atualizações para espalhar na saída. |
Devoluções
- uma nova instância de TensorScatterNdAdd
pública Output <T> de saída ()
Um novo tensor copiado do tensor e atualizações adicionadas de acordo com os índices.