ScatterNdSub

تفریق پراکنده را برای مقادیر یا برش های فردی در یک متغیر اعمال می کند.

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 عدد 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 به‌دست‌آمده 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.