`মিনিট` অপারেশন ব্যবহার করে একটি পরিবর্তনশীল রেফারেন্সে স্পার্স আপডেট কমায়।
এই অপারেশন গণনা
# স্কেলার সূচক রেফ[সূচক, ...] = মিনিট(রেফ[সূচক, ...], আপডেট[...])
# ভেক্টর সূচক (প্রতিটি i জন্য) রেফ[ইনডেক্স[i], ...] = মিন(রেফ[সূচক[i], ...], আপডেট[i, ...])
# উচ্চ র্যাঙ্কের সূচক (প্রতিটি i, ..., j) রেফ[ই, ..., j], ...] = মিন(রেফ[সূচক[i, ..., j], .. .], আপডেট[i, ..., j, ...])
আপডেট সম্পন্ন হওয়ার পর এই অপারেশনটি `রেফ` আউটপুট করে। এটি চেইন অপারেশনগুলিকে সহজ করে তোলে যেগুলি রিসেট মান ব্যবহার করতে হবে৷
ডুপ্লিকেট এন্ট্রি সঠিকভাবে পরিচালনা করা হয়: যদি একাধিক `সূচক` একই অবস্থানের উল্লেখ করে, তাদের অবদান একত্রিত হয়।
`updates.shape = indices.shape + ref.shape[1:]` বা `updates.shape = []` প্রয়োজন।
নেস্টেড ক্লাস
ক্লাস | ScatterMin.Options | ScatterMin এর জন্য ঐচ্ছিক বৈশিষ্ট্য |
পাবলিক পদ্ধতি
আউটপুট <T> | আউটপুট হিসাবে () একটি টেনসরের প্রতীকী হ্যান্ডেল প্রদান করে। |
static <T সংখ্যা প্রসারিত করে, U সংখ্যা প্রসারিত করে> ScatterMin <T> | |
আউটপুট <T> | আউটপুটরেফ () = `রেফ` এর মতো। |
স্ট্যাটিক ScatterMin.Options | ইউজ লকিং (বুলিয়ান ইউজ লকিং) |
উত্তরাধিকারসূত্রে প্রাপ্ত পদ্ধতি
পাবলিক পদ্ধতি
সর্বজনীন আউটপুট <T> হিসাবে আউটপুট ()
একটি টেনসরের প্রতীকী হ্যান্ডেল প্রদান করে।
TensorFlow অপারেশনের ইনপুট হল অন্য TensorFlow অপারেশনের আউটপুট। এই পদ্ধতিটি একটি প্রতীকী হ্যান্ডেল পেতে ব্যবহৃত হয় যা ইনপুটের গণনাকে প্রতিনিধিত্ব করে।
পাবলিক স্ট্যাটিক স্ক্যাটারমিন <T> তৈরি করুন ( স্কোপ স্কোপ, অপারেন্ড <T> রেফ, অপারেন্ড <U> সূচক, অপারেন্ড <T> আপডেট, বিকল্প... বিকল্প)
একটি নতুন ScatterMin অপারেশন মোড়ানো একটি ক্লাস তৈরি করার কারখানার পদ্ধতি।
পরামিতি
সুযোগ | বর্তমান সুযোগ |
---|---|
রেফ | একটি `ভেরিয়েবল` নোড থেকে হওয়া উচিত। |
সূচক | `রেফ` এর প্রথম মাত্রায় সূচকের একটি টেনসর। |
আপডেট | আপডেট করা মানগুলির একটি টেনসর যা `রেফ` এ কমাতে হবে। |
বিকল্প | ঐচ্ছিক বৈশিষ্ট্য মান বহন করে |
রিটার্নস
- ScatterMin এর একটি নতুন উদাহরণ
সর্বজনীন আউটপুট <T> outputRef ()
= `রেফ` এর মতো। ক্রিয়াকলাপগুলির জন্য একটি সুবিধা হিসাবে ফিরে এসেছে যা আপডেট হওয়ার পরে আপডেট হওয়া মানগুলি ব্যবহার করতে চায়৷
পাবলিক স্ট্যাটিক ScatterMin.Options useLocking (বুলিয়ান ইউজ লকিং)
পরামিতি
লকিং ব্যবহার করুন | সত্য হলে, আপডেটটি একটি লক দ্বারা সুরক্ষিত হবে; অন্যথায় আচরণটি অনির্ধারিত, তবে কম বিরোধ প্রদর্শন করতে পারে। |
---|