텐서플로우:: 작전:: 분산NdSub

Variable 의 개별 값이나 조각에 희소 빼기를 적용합니다.

요약

indices 에 따라 주어진 변수 내에서.

ref 는 P 등급의 Tensor 이고 indices 는 Q 등급의 Tensor 입니다.

indices ref 에 대한 인덱스를 포함하는 정수 텐서여야 합니다. 모양은 [d_0, ..., d_{Q-2}, K] 여야 합니다. 여기서 0 < K <= P .

indices 의 가장 안쪽 차원(길이 K )은 ref 의 K 번째 차원을 따라 요소( K = P 인 경우) 또는 슬라이스( K < P 인 경우)에 대한 인덱스에 해당합니다.

updates Q-1+PK 순위의 Tensor 이며 모양은 다음과 같습니다.

[d_0, ..., d_{Q-2}, ref.shape[K], ..., ref.shape[P-1]]

예를 들어, 8개의 요소가 있는 랭크 1 텐서에서 4개의 분산된 요소를 빼고 싶다고 가정해 보겠습니다. Python에서 해당 빼기는 다음과 같습니다.

ref = tf.Variable([1, 2, 3, 4, 5, 6, 7, 8])
indices = tf.constant([[4], [3], [1], [7]])
updates = tf.constant([9, 10, 11, 12])
sub = tf.scatter_nd_sub(ref, indices, updates)
with tf.Session() as sess:
  print sess.run(sub)

ref에 대한 결과 업데이트는 다음과 같습니다.

[1, -9, 3, -6, -4, 6, 7, -4]

슬라이스를 업데이트하는 방법에 대한 자세한 내용은 tf.scatter_nd 참조하세요.

인수:

• 범위: 범위 개체
• ref: 변경 가능한 Tensor . 변수 노드에서 가져와야 합니다.
• 인덱스: Tensor . int32, int64 유형 중 하나여야 합니다. 심판에 대한 인덱스의 텐서.
• 업데이트: Tensor . ref와 동일한 유형이어야 합니다. 참조에서 뺄 업데이트된 값의 텐서입니다.

선택적 속성( Attrs 참조):

• use_locking: 선택적 bool입니다. 기본값은 True입니다. True이면 할당이 잠금으로 보호됩니다. 그렇지 않으면 동작이 정의되지 않지만 경합이 덜 나타날 수 있습니다.

보고:

• Output : 심판과 동일 업데이트가 완료된 후 업데이트된 값을 사용하려는 작업의 편의를 위해 반환됩니다.

공개 속성

Operation operation

::tensorflow::Output output_ref

 ScatterNdSub(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input ref,
  ::tensorflow::Input indices,
  ::tensorflow::Input updates
)

 ScatterNdSub(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input ref,
  ::tensorflow::Input indices,
  ::tensorflow::Input updates,
  const ScatterNdSub::Attrs & attrs
)

::tensorflow::Node * node() const 

 operator::tensorflow::Input() const 

 operator::tensorflow::Output() const 

Attrs UseLocking(
  bool x
)