当前位置: 首页>>代码示例 >>用法及示例精选 >>正文

Python tf.raw_ops.ScatterUpdate用法及代码示例


对变量引用应用稀疏更新。

用法

tf.raw_ops.ScatterUpdate(
    ref, indices, updates, use_locking=True, name=None
)

参数

  • ref 一个可变的 Tensor 。应该来自 Variable 节点。
  • indices 一个Tensor。必须是以下类型之一：int32 , int64。 ref 第一维的索引张量。
  • updates 一个Tensor。必须与 ref 具有相同的类型。要存储在 ref 中的更新值的张量。
  • use_locking 可选的 bool 。默认为 True 。如果为 True，则分配将受锁保护；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, ...] = updates[...]

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

    # High rank indices (for each i, ..., j)
    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。

如果 ref 中的值要更新一次以上，因为 indices 中有重复的条目，则每个值的更新顺序是未定义的。

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

另见 tf.batch_scatter_update 和 tf.scatter_nd_update 。

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.ScatterUpdate。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。