aliran tensor:: operasi:: Sub Sebar

Mengurangi pembaruan yang jarang ke referensi variabel.

Ringkasan

    # Scalar indices
    ref[indices, ...] -= updates[...]

    # Vector indices (for each i)
    ref[indices[i], ...] -= updates[i, ...]

    # High rank indices (for each i, ..., j)
    ref[indices[i, ..., j], ...] -= updates[i, ..., j, ...]

Operasi ini mengeluarkan ref setelah pembaruan selesai. Hal ini mempermudah operasi berantai yang perlu menggunakan nilai reset.

Entri duplikat ditangani dengan benar: jika beberapa indices merujuk pada lokasi yang sama, kontribusinya (yang dinegasikan) akan bertambah.

Memerlukan updates.shape = indices.shape + ref.shape[1:] atau updates.shape = [] .

Argumen:

• ruang lingkup: Objek Lingkup
• ref: Harus dari node Variable .
• indices: Tensor indeks ke dalam dimensi pertama ref .
• update: Tensor nilai yang diperbarui untuk dikurangi dari ref .

Atribut opsional (lihat Attrs ):

• use_locking: Jika Benar, pengurangan akan dilindungi oleh kunci; jika tidak, perilaku tersebut tidak terdefinisikan, namun mungkin menunjukkan lebih sedikit pertentangan.

Pengembalian:

• Output : = Sama seperti ref . Dikembalikan untuk memudahkan operasi yang ingin menggunakan nilai yang diperbarui setelah pembaruan selesai.

Atribut publik

Operation operation

::tensorflow::Output output_ref

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

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

::tensorflow::Node * node() const 

 operator::tensorflow::Input() const 

 operator::tensorflow::Output() const 

Attrs UseLocking(
  bool x
)