TensorScatterSub

मौजूदा टेंसर से 'सूचकांक' के अनुसार विरल 'अपडेट' घटाता है।

यह ऑपरेशन पारित `टेंसर` से विरल `अपडेट` को घटाकर एक नया टेंसर बनाता है। यह ऑपरेशन काफी हद तक `tf.scatter_nd_sub` से मिलता-जुलता है, सिवाय इसके कि अपडेट मौजूदा टेंसर से घटाए जाते हैं (वैरिएबल के विपरीत)। यदि मौजूदा टेंसर की मेमोरी का पुन: उपयोग नहीं किया जा सकता है, तो एक कॉपी बनाई और अपडेट की जाती है।

`सूचकांक` एक पूर्णांक टेंसर है जिसमें आकार `आकार` के एक नए टेंसर में सूचकांक होते हैं। `सूचकांक` का अंतिम आयाम `आकार` के अधिकतम रैंक पर हो सकता है:

index.shape[-1] <= आकार.रैंक

'सूचकांक' का अंतिम आयाम तत्वों में सूचकांक से मेल खाता है (यदि 'सूचकांक.आकार[-1] = आकार.रैंक') या स्लाइस (यदि 'सूचकांक.आकार[-1] <आकार.रैंक') आयाम 'सूचकांक' के साथ .आकार [-1] `आकार` का। `अपडेट` आकार के साथ एक टेंसर है

index.shape[:-1] + Shape[indices.shape[-1]:]

Tensor_scatter_sub का सबसे सरल रूप इंडेक्स द्वारा अलग-अलग तत्वों को टेंसर से घटाना है। उदाहरण के लिए, मान लें कि हम रैंक -1 टेंसर में 8 तत्वों के साथ 4 बिखरे हुए तत्व सम्मिलित करना चाहते हैं।

: अजगर में, इस बिखराव घटाना आपरेशन इस प्रकार दिखाई देगा

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)
 

जिसके परिणामस्वरूप टेन्सर इस प्रकार दिखाई देगा:

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

हम एक ही बार में उच्च रैंक टेंसर के पूरे स्लाइस भी डाल सकते हैं। उदाहरण के लिए, यदि हम रैंक -3 टेंसर के पहले आयाम में दो स्लाइस को नए मानों के दो मैट्रिक्स के साथ सम्मिलित करना चाहते हैं।

: अजगर में, इस बिखराव ऐड आपरेशन इस प्रकार दिखाई देगा

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)
 

परिणामस्वरूप टेन्सर इस प्रकार दिखाई देगा:

[[[-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]] ]

ध्यान दें कि सीपीयू पर, यदि एक आउट ऑफ बाउंड इंडेक्स पाया जाता है, तो एक त्रुटि वापस आ जाती है। GPU पर, यदि कोई बाध्य अनुक्रमणिका पाई जाती है, तो अनुक्रमणिका को अनदेखा कर दिया जाता है।