Agrega "actualizaciones" dispersas a un tensor existente según "índices".
Esta operación crea un nuevo tensor agregando "actualizaciones" dispersas al "tensor" pasado. Esta operación es muy similar a `tf.scatter_nd_add`, excepto que las actualizaciones se agregan a un tensor existente (en lugar de una variable). Si la memoria del tensor existente no se puede reutilizar, se realiza una copia y se actualiza.
`indices` es un tensor entero que contiene índices en un nuevo tensor de forma `tensor.shape`. La última dimensión de los "índices" puede ser como máximo el rango de "tensor.shape":
índices.forma[-1] <= tensor.forma.rango
La última dimensión de `indices` corresponde a índices en elementos (si `indices.shape[-1] = tensor.shape.rank`) o cortes (si `indices.shape[-1] < tensor.shape.rank`) a lo largo de la dimensión `indices.shape[-1]` de `tensor.shape`. `actualizaciones` es un tensor con forma
índices.forma[:-1] + tensor.forma[índices.forma[-1]:]
La forma más simple de tensor_scatter_add es agregar elementos individuales a un tensor por índice. Por ejemplo, digamos que queremos sumar 4 elementos en un tensor de rango 1 con 8 elementos.
En Python, esta operación de adición de dispersión se vería así:
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]
También podemos insertar porciones enteras de un tensor de rango superior a la vez. Por ejemplo, si quisiéramos insertar dos cortes en la primera dimensión de un tensor de rango 3 con dos matrices de nuevos valores.
En Python, esta operación de adición de dispersión se vería así:
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]]]
Tenga en cuenta que en la CPU, si se encuentra un índice fuera de límite, se devuelve un error. En GPU, si se encuentra un índice fuera de límite, se ignora el índice.
Métodos públicos
| Salida <T> | como salida () Devuelve el identificador simbólico de un tensor. |
| estático <T, U extiende Número> TensorScatterAdd <T> | crear (alcance del alcance , tensor del operando <T>, índices del operando <U>, actualizaciones del operando <T>) Método de fábrica para crear una clase que envuelve una nueva operación de TensorScatterAdd. |
| Salida <T> | producción () Un nuevo tensor copiado del tensor y se agregan actualizaciones según los índices. |
Métodos heredados
Métodos públicos
Salida pública <T> como Salida ()
Devuelve el identificador simbólico de un tensor.
Las entradas a las operaciones de TensorFlow son salidas de otra operación de TensorFlow. Este método se utiliza para obtener un identificador simbólico que representa el cálculo de la entrada.
TensorScatterAdd <T> estático público crear (alcance de alcance , tensor de operando <T>, índices de operando <U>, actualizaciones de operando <T>)
Método de fábrica para crear una clase que envuelve una nueva operación de TensorScatterAdd.
Parámetros
| alcance | alcance actual |
|---|---|
| tensor | Tensor para copiar/actualizar. |
| índices | Tensor de índice. |
| actualizaciones | Actualizaciones para distribuir en la salida. |
Devoluciones
- una nueva instancia de TensorScatterAdd
Salida pública <T> salida ()
Un nuevo tensor copiado del tensor y se agregan actualizaciones según los índices.