ScatterNdSub

يطبق الطرح المتفرق على القيم الفردية أو الشرائح في متغير.

ضمن متغير معين وفقا ل"المؤشرات".

`ref` هو `موتر` بالرتبة `P` و`المؤشرات` هي `موتر` بالرتبة `Q`.

يجب أن تكون "الفهارس" عددًا صحيحًا، وتحتوي على مؤشرات في "المرجع". يجب أن يكون بالشكل `[d_0, ..., d_{Q-2}, K]` حيث `0 < K <= P`.

يتوافق البعد الأعمق لـ "المؤشرات" (بالطول `K`) مع المؤشرات في عناصر (إذا `K = P`) أو شرائح (إذا `K < P`) على طول البعد `K` لـ `ref`.

"التحديثات" هي "موتر" من الرتبة "Q-1+PK" بالشكل:

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

على سبيل المثال، لنفترض أننا نريد طرح 4 عناصر متناثرة من موتر من الرتبة 1 يحتوي على 8 عناصر. في بايثون، سيبدو هذا الطرح كما يلي:

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)
 

سيبدو التحديث الناتج للمرجع كما يلي:

[1، -9، 3، -6، -4، 6، 7، -4]

راجع tf.scatter_nd للحصول على مزيد من التفاصيل حول كيفية إجراء تحديثات على الشرائح.