Python tf.raw_ops.TensorScatterUpdate用法及代碼示例

根據 indices 將 updates 分散到現有張量中。

用法

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

此操作通過將稀疏的 updates 應用於傳入的 tensor 來創建一個新的張量。此操作與 tf.scatter_nd 非常相似，隻是更新分散在現有張量上(而不是 zero-tensor)。如果無法重新使用現有張量的內存，則製作並更新副本。

如果indices 包含重複項，那麽我們選擇索引的最後更新。

如果在 CPU 上發現超出範圍的索引，則返回錯誤。

警告：此操作有一些特定於 GPU 的語義。

• 如果發現超出範圍的索引，則忽略該索引。
• 應用更新的順序是不確定的，因此如果 indices 包含重複項，則輸出將是不確定的。

indices 是一個整數張量，其中包含指向形狀為 shape 的新張量的索引。

• indices 必須至少有 2 個軸：(num_updates, index_depth)。
• indices 的最後一個軸是索引到 tensor 的深度，因此該索引深度必須小於 tensor 的等級：indices.shape[-1] <= tensor.ndim

如果 indices.shape[-1] = tensor.rank 此操作索引並更新標量元素。如果 indices.shape[-1] < tensor.rank 它索引並更新輸入的切片 tensor 。

每個 update 的排名為 tensor.rank - indices.shape[-1] 。 updates的整體形狀是：

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

有關用法示例，請參見 python tf.tensor_scatter_nd_update 函數