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

根据 indices 将 updates 分散到现有张量中。

用法

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

此操作通过将稀疏的 updates 应用于传入的 tensor 来创建一个新的张量。此操作与 tf.scatter_nd 非常相似，只是更新分散在现有张量上(而不是 zero-tensor)。如果无法重新使用现有张量的内存，则制作并更新副本。

如果indices 包含重复项，那么我们选择索引的最后更新。

如果在 CPU 上发现超出范围的索引，则返回错误。

警告：此操作有一些特定于 GPU 的语义。

• 如果发现超出范围的索引，则忽略该索引。
• 应用更新的顺序是不确定的，因此如果 indices 包含重复项，则输出将是不确定的。

indices 是一个整数张量，其中包含指向形状为 shape 的新张量的索引。

• indices 必须至少有 2 个轴：(num_updates, index_depth)。
• indices 的最后一个轴是索引到 tensor 的深度，因此该索引深度必须小于 tensor 的等级：indices.shape[-1] <= tensor.ndim

如果 indices.shape[-1] = tensor.rank 此操作索引并更新标量元素。如果 indices.shape[-1] < tensor.rank 它索引并更新输入的切片 tensor 。

每个 update 的排名为 tensor.rank - indices.shape[-1] 。 updates的整体形状是：

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

有关用法示例，请参见 python tf.tensor_scatter_nd_update 函数