TensorScatterSub

clase final pública TensorScatterSub

Resta "actualizaciones" dispersas de un tensor existente según "índices".

Esta operación crea un nuevo tensor restando las "actualizaciones" dispersas del "tensor" pasado. Esta operación es muy similar a `tf.scatter_nd_sub`, excepto que las actualizaciones se restan de un tensor existente (en lugar de una variable). Si la memoria del tensor existente no se puede reutilizar, se realiza una copia y se actualiza.

"índices" es un tensor entero que contiene índices en un nuevo tensor de forma "forma". La última dimensión de los "índices" puede ser como máximo el rango de "forma":

índices.forma[-1] <= forma.rango

La última dimensión de `indices` corresponde a índices en elementos (si `indices.shape[-1] = shape.rank`) o cortes (si `indices.shape[-1] < shape.rank`) a lo largo de la dimensión `indices .forma[-1]` de `forma`. `actualizaciones` es un tensor con forma

índices.forma[:-1] + forma[índices.forma[-1]:]

La forma más simple de tensor_scatter_sub es restar elementos individuales de un tensor por índice. Por ejemplo, digamos que queremos insertar 4 elementos dispersos en un tensor de rango 1 con 8 elementos.

En Python, esta operación de resta de dispersión se vería así:

indices = tf.constant([[4], [3], [1], [7]])
     updates = tf.constant([9, 10, 11, 12])
     tensor = tf.ones([8], dtype=tf.int32)
     updated = tf.tensor_scatter_nd_sub(tensor, indices, updates)
     print(updated)
 
El tensor resultante se vería así:

[1, -10, 1, -9, -8, 1, 1, -11]

También podemos insertar porciones enteras de un tensor de rango superior a la vez. Por ejemplo, si quisiéramos insertar dos cortes en la primera dimensión de un tensor de rango 3 con dos matrices de nuevos valores.

En Python, esta operación de adición de dispersión se vería así:

indices = tf.constant([[0], [2]])
     updates = tf.constant([[[5, 5, 5, 5], [6, 6, 6, 6],
                             [7, 7, 7, 7], [8, 8, 8, 8]],
                            [[5, 5, 5, 5], [6, 6, 6, 6],
                             [7, 7, 7, 7], [8, 8, 8, 8]]])
     tensor = tf.ones([4, 4, 4],dtype=tf.int32)
     updated = tf.tensor_scatter_nd_sub(tensor, indices, updates)
     print(updated)
 
El tensor resultante se vería así:

[[[-4, -4, -4, -4], [-5, -5, -5, -5], [-6, -6, -6, -6], [-7, -7 , -7, -7]], [[1, 1, 1, 1], [1, 1, 1, 1], [1, 1, 1, 1], [1, 1, 1, 1]] , [[-4, -4, -4, -4], [-5, -5, -5, -5], [-6, -6, -6, -6], [-7, -7 , -7, -7]], [[1, 1, 1, 1], [1, 1, 1, 1], [1, 1, 1, 1], [1, 1, 1, 1]] ]

Tenga en cuenta que en la CPU, si se encuentra un índice fuera de límite, se devuelve un error. En GPU, si se encuentra un índice fuera de límite, se ignora el índice.

Métodos públicos

Salida <T>
como salida ()
Devuelve el identificador simbólico de un tensor.
estático <T, U extiende Número> TensorScatterSub <T>
crear (alcance del alcance , tensor del operando <T>, índices del operando <U>, actualizaciones del operando <T>)
Método de fábrica para crear una clase que envuelve una nueva operación de TensorScatterSub.
Salida <T>
producción ()
Un nuevo tensor copiado del tensor y las actualizaciones restadas según los índices.

Métodos heredados

Métodos públicos

Salida pública <T> como Salida ()

Devuelve el identificador simbólico de un tensor.

Las entradas a las operaciones de TensorFlow son salidas de otra operación de TensorFlow. Este método se utiliza para obtener un identificador simbólico que representa el cálculo de la entrada.

creación pública estática de TensorScatterSub <T> (alcance del alcance , tensor del operando <T>, índices del operando <U>, actualizaciones del operando <T>)

Método de fábrica para crear una clase que envuelve una nueva operación de TensorScatterSub.

Parámetros
alcance alcance actual
tensor Tensor para copiar/actualizar.
índices Tensor de índice.
actualizaciones Actualizaciones para distribuir en la salida.
Devoluciones
  • una nueva instancia de TensorScatterSub

Salida pública <T> salida ()

Un nuevo tensor copiado del tensor y las actualizaciones restadas según los índices.