当前位置: 首页>>代码示例 >>用法及示例精选 >>正文


Python tf.raw_ops.ScatterMax用法及代码示例


使用max 操作将稀疏更新减少到变量引用中。

用法

tf.raw_ops.ScatterMax(
    ref, indices, updates, use_locking=False, name=None
)

参数

  • ref 一个可变的 Tensor 。必须是以下类型之一:half , bfloat16 , float32 , float64 , int32 , int64。应该来自 Variable 节点。
  • indices 一个Tensor。必须是以下类型之一:int32 , int64ref 第一维的索引张量。
  • updates 一个Tensor。必须与 ref 具有相同的类型。要减少为 ref 的更新值的张量。
  • use_locking 可选的 bool 。默认为 False 。如果为 True,则更新将受锁保护;否则行为是未定义的,但可能表现出较少的争用。
  • name 操作的名称(可选)。

返回

  • 一个可变的 Tensor 。具有与 ref 相同的类型。

该操作计算

# Scalar indices
ref[indices, ...] = max(ref[indices, ...], updates[...])

# Vector indices (for each i)
ref[indices[i], ...] = max(ref[indices[i], ...], updates[i, ...])

# High rank indices (for each i, ..., j)
ref[indices[i, ..., j], ...] = max(ref[indices[i, ..., j], ...], updates[i, ..., j, ...])

此操作在更新完成后输出ref。这使得链接需要使用重置值的操作更容易。

正确处理重复条目:如果多个 indices 引用相同的位置,则它们的贡献合并。

需要 updates.shape = indices.shape + ref.shape[1:]updates.shape = []

相关用法


注:本文由纯净天空筛选整理自tensorflow.org大神的英文原创作品 tf.raw_ops.ScatterMax。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。