একটি ভেরিয়েবলে পৃথক মান বা স্লাইসগুলিতে স্পারস যোগ প্রয়োগ করে।
`রেফ` হল `P` র্যাঙ্কের একটি `টেনসর` এবং `সূচক` হল `Q` র্যাঙ্কের `টেনসর`।
`সূচক` অবশ্যই পূর্ণসংখ্যার টেনসর হতে হবে, যাতে `রেফ`-এ সূচক থাকে। এটি অবশ্যই `[d_0, ..., d_{Q-2}, K]` আকৃতির হতে হবে যেখানে `0 < K <= P`।
`সূচক` এর অন্তর্নিহিত মাত্রা (দৈর্ঘ্য `K` সহ) উপাদানগুলির মধ্যে সূচকের সাথে মিলে যায় (যদি `K = P`) অথবা `রেফ`-এর `K`তম মাত্রা বরাবর স্লাইস (যদি `K < P` হয়)।
`আপডেট` হল আকৃতি সহ `Q-1+PK` র্যাঙ্কের `টেনসর`:
[d_0, ..., d_{Q-2
, ref.shape[K], ..., ref.shape[P-1]]
}
ref = tf.Variable([1, 2, 3, 4, 5, 6, 7, 8], use_resource=True)
indices = tf.constant([[4], [3], [1], [7]])
updates = tf.constant([9, 10, 11, 12])
add = tf.scatter_nd_add(ref, indices, updates)
with tf.Session() as sess:
print sess.run(add)
[1, 13, 3, 14, 14, 6, 7, 20]
কিভাবে স্লাইস আপডেট করতে হয় সে সম্পর্কে আরো বিস্তারিত জানার জন্য `tf.scatter_nd` দেখুন।
নেস্টেড ক্লাস
ক্লাস | ResourceScatterNdAdd.Options | ResourceScatterNdAdd এর জন্য ঐচ্ছিক বৈশিষ্ট্য |
পাবলিক পদ্ধতি
static <T সংখ্যা প্রসারিত করে, U> ResourceScatterNdAdd | |
স্ট্যাটিক ResourceScatterNdAdd.Options | ইউজ লকিং (বুলিয়ান ইউজ লকিং) |
উত্তরাধিকারসূত্রে প্রাপ্ত পদ্ধতি
পাবলিক পদ্ধতি
পাবলিক স্ট্যাটিক রিসোর্সস্ক্যাটারএনডিএড তৈরি করুন ( স্কোপ স্কোপ, অপারেন্ড <?> রেফ, অপারেন্ড <T> সূচক, অপারেন্ড <U> আপডেট, বিকল্প... বিকল্প)
একটি নতুন ResourceScatterNdAdd অপারেশন মোড়ানো একটি ক্লাস তৈরি করার কারখানার পদ্ধতি।
পরামিতি
সুযোগ | বর্তমান সুযোগ |
---|---|
রেফ | একটি সম্পদ হ্যান্ডেল. একটি VarHandleOp থেকে হতে হবে। |
সূচক | একটি টেনসর। নিম্নলিখিত ধরনের একটি হতে হবে: int32, int64. রেফের মধ্যে সূচকগুলির একটি টেনসর। |
আপডেট | একটি টেনসর। রেফের মতো একই প্রকার থাকতে হবে। রেফ যোগ করার জন্য মানগুলির একটি টেনসর। |
বিকল্প | ঐচ্ছিক বৈশিষ্ট্য মান বহন করে |
রিটার্নস
- ResourceScatterNdAdd এর একটি নতুন উদাহরণ
পাবলিক স্ট্যাটিক ResourceScatterNdAdd.Options useLocking (বুলিয়ান ইউজ লকিং)
পরামিতি
লকিং ব্যবহার করুন | একটি ঐচ্ছিক বুল। ডিফল্ট থেকে সত্য। সত্য হলে, অ্যাসাইনমেন্টটি একটি লক দ্বারা সুরক্ষিত হবে; অন্যথায় আচরণটি অনির্ধারিত, তবে কম বিরোধ প্রদর্শন করতে পারে। |
---|