ScatterNdSub

تفریق پراکنده را برای مقادیر یا برش‌های جداگانه در یک متغیر اعمال می‌کند.

در یک متغیر معین با توجه به "شاخص ها".

«ref» یک «تنسور» با رتبه «P» است و «شاخص‌ها» یک «تانسور» از رتبه «Q» است.

«شاخص‌ها» باید تانسور اعداد صحیح باشند و شامل شاخص‌هایی به «ref» باشند. باید شکل «[d_0، ...، d_{Q-2}، K]» باشد که در آن «0 <K <= P» باشد.

درونی‌ترین بعد «شاخص‌ها» (با طول «K») مربوط به شاخص‌هایی به عناصر (اگر «K = P») یا برش‌هایی (اگر «K <P») در امتداد «K»مین بعد «ref» است.

«به‌روزرسانی‌ها» «تنسور» رتبه «Q-1+PK» است با شکل:

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

برای مثال، فرض کنید می‌خواهیم 4 عنصر پراکنده را از یک تانسور رتبه-1 با 8 عنصر کم کنیم. در پایتون، این تفریق به این صورت خواهد بود:

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)
 

به‌روزرسانی نتیجه به ref به شکل زیر است:

[1، -9، 3، -6، -4، 6، 7، -4]

برای جزئیات بیشتر درباره نحوه به‌روزرسانی برش‌ها، tf.scatter_nd را ببینید.