تينسورفلو :: العمليات :: ResourceScatterNdSub

يطبق طرحًا متفرقًا على القيم الفردية أو الشرائح في متغير .

ملخص

ref هو Tensor رتبة P indices هي Tensor من رتبة Q

يجب أن تكون indices موتر عدد صحيح ، وتحتوي على مؤشرات في ref . يجب أن يكون الشكل [d_0, ..., d_{Q-2}, K] حيث 0 < K <= P

يتوافق البعد الأعمق indices (بطول K ) مع المؤشرات في عناصر (إذا كان K = P ) أو شرائح (إذا K < P ) على طول البعد K من ref .

updates هي Tensor من رتبة Q-1+PK مع الشكل:

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

على سبيل المثال ، لنفترض أننا نريد طرح 4 عناصر مبعثرة من موتر من الرتبة 1 يحتوي على 8 عناصر. في بايثون ، سيبدو هذا الطرح كما يلي:

ref = tf.Variable([1, 2, 3, 4, 5, 6, 7, 8], use_resource=True)
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)

سيبدو التحديث الناتج للمرجع كما يلي:

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

راجع tf.scatter_nd للحصول على مزيد من التفاصيل حول كيفية إجراء تحديثات للشرائح.

الحجج:

• النطاق: كائن النطاق
• المرجع: مقبض مورد. يجب أن يكون من VarHandleOp.
• المؤشرات: موتر . يجب أن يكون أحد الأنواع التالية: int32 ، int64. موتر من المؤشرات إلى المرجع.
• تحديثات: A Tensor . يجب أن يكون من نفس نوع المرجع. موتر من القيم لإضافتها إلى المرجع.

السمات الاختيارية (انظر Attrs ):

• use_locking: منطقي اختياري. افتراضات إلى True. إذا كان هذا صحيحًا ، فسيتم حماية التخصيص بقفل ؛ وبخلاف ذلك ، يكون السلوك غير محدد ، ولكنه قد يعرض خلافًا أقل.

عائدات:

• Operation تم إنشاؤها

السمات العامة

Operation operation

 ResourceScatterNdSub(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input ref,
  ::tensorflow::Input indices,
  ::tensorflow::Input updates,
  const ResourceScatterNdSub::Attrs & attrs
)

 operator::tensorflow::Operation() const 

Attrs UseLocking(
  bool x
)