ScatterNdSub

Applique une soustraction clairsemée à des valeurs ou tranches individuelles dans une variable.

au sein d'une variable donnée selon des « indices ».

`ref` est un `Tensor` de rang `P` et `indices` est un `Tensor` de rang `Q`.

`indices` doit être un tenseur entier, contenant des indices dans `ref`. Il doit avoir la forme `[d_0, ..., d_{Q-2}, K]` où `0 < K <= P`.

La dimension la plus intérieure des « indices » (de longueur « K ») correspond aux indices en éléments (si « K = P ») ou en tranches (si « K < P ») le long de la « K » dimension de « ref ».

`updates` est un `Tensor` de rang `Q-1+PK` avec la forme :

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

Par exemple, disons que nous voulons soustraire 4 éléments dispersés d'un tenseur de rang 1 avec 8 éléments. En Python, cette soustraction ressemblerait à ceci :

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)
 

La mise à jour résultante de ref ressemblerait à ceci :

[1, -9, 3, -6, -4, 6, 7, -4]

Voir tf.scatter_nd pour plus de détails sur la façon de mettre à jour les tranches.