przepływ tensorowy:: ops:: ResourceScatterNdSub

Stosuje rzadkie odejmowanie do poszczególnych wartości lub wycinków w zmiennej .

Streszczenie

ref jest Tensor o randze P , a indices jest Tensor o randze Q

indices muszą być tensorami całkowitymi, zawierającymi indeksy w ref . Musi to być kształt [d_0, ..., d_{Q-2}, K] gdzie 0 < K <= P .

Najbardziej wewnętrzny wymiar indices (o długości K ) odpowiada indeksom na elementy (jeśli K = P ) lub plasterki (jeśli K < P ) wzdłuż K -tego wymiaru ref .

updates to Tensor rangi Q-1+PK o kształcie:

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

Załóżmy na przykład, że chcemy odjąć 4 rozproszone elementy od tensora rangi 1 zawierającego 8 elementów. W Pythonie to odejmowanie wyglądałoby następująco:

ref = tf.Variable([1, 2, 3, 4, 5, 6, 7, 8], use_resource=True)
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)

Wynikowa aktualizacja ref będzie wyglądać następująco:

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

Zobacz tf.scatter_nd , aby uzyskać więcej szczegółów na temat aktualizowania plasterków.

Argumenty:

• zakres: Obiekt Scope
• ref: Uchwyt zasobu. Musi pochodzić z VarHandleOp.
• indeksy: Tensor . Musi to być jeden z następujących typów: int32, int64. Tensor indeksów w ref.
• aktualizacje: Tensor . Musi mieć ten sam typ co ref. Tensor wartości do dodania do ref.

Opcjonalne atrybuty (patrz Attrs ):

• use_locking: opcjonalny bool. Wartość domyślna to Prawda. Jeśli ma wartość True, przypisanie będzie chronione zamkiem; w przeciwnym razie zachowanie jest niezdefiniowane, ale może wykazywać mniejszą rywalizację.

Zwroty:

• utworzonej Operation

Atrybuty publiczne

Operation operation

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

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

 operator::tensorflow::Operation() const 

Attrs UseLocking(
  bool x
)