警告:このAPIは非推奨であり、置き換えが安定した後 TensorFlowの将来のバージョンで削除される予定です。

このページは Cloud Translation API によって翻訳されました。
Switch to English

ScatterNdSub

パブリックファイナルクラスScatterNdSub

変数内の個々の値またはスライスにスパース減算を適用します。

`インデックス`に従って与えられた変数内。

`ref`はランク` P`の `Tensor`であり、` indexes`はランク `Q`の` Tensor`です。

`indexes`は、` ref`へのインデックスを含む整数テンソルでなければなりません。形状は `[d_0、...、d_ {Q-2}、K]`である必要があります。ここで、 `0 <K <= P`です。

`インデックス`の最も内側の次元(長さ `K`)は、` ref`の `K`番目の次元に沿った要素(` K = P`の場合)またはスライス( `K <P`の場合)へのインデックスに対応します。

`updates`は、形状が

[d_0, ..., d_{Q-2, ref.shape[K], ..., ref.shape[P-1]]
 }
のランク` Q-1 + PK`の `Tensor`です。たとえば、8つの要素を持つランク1のテンソルから4つの散乱要素を減算するとします。 Pythonでは、その減算は次のようになります。
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)
 
結果のrefの更新は次のようになります。

[1、-9、3、-6、-4、6、7、-4]

スライスを更新する方法の詳細については、 `tf.scatter_nd`を参照してください。

ネストされたクラス

クラスScatterNdSub.Options ScatterNdSubオプションの属性

パブリックメソッド

出力<T>
asOutput ()
テンソルのシンボリックハンドルを返します。
static <T、U extends Number> ScatterNdSub <T>
createスコープスコープ、オペランド<T>参照、オペランド<U>インデックス、オペランド<T>更新、オプション...オプション)
新しいScatterNdSub操作をラップするクラスを作成するファクトリメソッド。
出力<T>
outputRef ()
参考文献と同じ。
静的ScatterNdSub.Options
useLocking (ブール値useLocking)

継承されたメソッド

パブリックメソッド

public Output <T> asOutput ()

テンソルのシンボリックハンドルを返します。

TensorFlow操作への入力は、別のTensorFlow操作の出力です。このメソッドは、入力の計算を表すシンボリックハンドルを取得するために使用されます。

public static ScatterNdSub <T> create スコープスコープ、オペランド<T>参照、オペランド<U>インデックス、オペランド<T>更新、オプション...オプション)

新しいScatterNdSub操作をラップするクラスを作成するファクトリメソッド。

パラメーター
範囲現在のスコープ
ref可変テンソル。変数ノードからのものである必要があります。
インデックステンソル。次のいずれかのタイプである必要があります:int32、int64。参照へのインデックスのテンソル。
更新テンソル。 refと同じタイプである必要があります。参照から減算する更新された値のテンソル。
オプションオプションの属性値を運ぶ
戻り値
  • ScatterNdSubの新しいインスタンス

public Output <T> outputRef ()

参考文献と同じ。更新後に更新された値を使用したい操作の便宜のために返されます。

public static ScatterNdSub.Options useLocking (ブール値useLocking)

パラメーター
useLockingオプションのbool。デフォルトはTrueです。 Trueの場合、割り当てはロックによって保護されます。それ以外の場合、動作は定義されていませんが、競合が少なくなる可能性があります。