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

根据 indices 将稀疏的 updates 添加到现有张量。

用法

tf.raw_ops.TensorScatterAdd(
    tensor, indices, updates, name=None
)

此操作通过将稀疏的 updates 添加到传入的 tensor 来创建一个新的张量。此操作与 tf.compat.v1.scatter_nd_add 非常相似，只是将更新添加到现有张量(而不是变量)上。如果无法重新使用现有张量的内存，则制作并更新副本。

indices 是一个整数张量，其中包含指向形状为 tensor.shape 的新张量的索引。 indices 的最后一个维度最多可以是 tensor.shape 的等级：

indices.shape[-1] <= tensor.shape.rank

indices 的最后一个维度对应于沿 tensor.shape 的维度 indices.shape[-1] 的元素(如果是 indices.shape[-1] = tensor.shape.rank )或切片(如果是 indices.shape[-1] < tensor.shape.rank )的索引。 updates 是一个带形状的张量

indices.shape[:-1] + tensor.shape[indices.shape[-1]:]

tensor_scatter_add 的最简单形式是按索引将单个元素添加到张量。例如，假设我们想在 8 个元素的 rank-1 张量中添加 4 个元素。

在 Python 中，此分散添加操作如下所示：

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)

生成的张量如下所示：

[1, 12, 1, 11, 10, 1, 1, 13]

我们还可以一次插入更高等级张量的整个切片。例如，如果我们想在具有两个新值矩阵的 rank-3 张量的第一维中插入两个切片。

在 Python 中，此分散添加操作如下所示：

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)

生成的张量如下所示：

[[[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]]]

请注意，在 CPU 上，如果发现超出范围的索引，则会返回错误。在 GPU 上，如果发现超出范围的索引，则忽略该索引。