tensorflow :: ops :: ResourceScatterNdSub

Stosuje rzadkie odejmowanie do poszczególnych wartości lub wycinków w zmiennej .

streszczenie

ref to Tensor o randze P a indices to Tensor o randze Q

indices muszą być całkowitymi tensorami, zawierającymi indeksy w ref . Musi mieć kształt [d_0, ..., d_{Q-2}, K] gdzie 0 < K <= P

Głębsza wymiar indices (o długości K ) odpowiada indeksom w elementy (jeśli K = P ) lub plastry (jeśli K < P ) wzdłuż K p wymiar ref .

updates to Tensor rangi Q-1+PK o kształcie:

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

Na przykład, powiedzmy, że chcemy odjąć 4 rozproszone elementy od tensora rzędu 1 z 8 elementami. W Pythonie to odejmowanie wyglądałoby tak:

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)

Wynikowa aktualizacja do ref wyglądałaby następująco:

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

Więcej informacji na temat aktualizowania wycinków można tf.scatter_nd na tf.scatter_nd .

Argumenty:

• zakres: obiekt Scope
• ref: uchwyt zasobu. Musi pochodzić z VarHandleOp.
• indeksy: A Tensor . Musi być jednym z następujących typów: int32, int64. Tensor indeksów w ref.
• aktualizacje: Tensor . Musi mieć ten sam typ co ref. Tensor wartości do dodania do referencji.

Atrybuty opcjonalne (patrz Attrs ):

• use_locking: opcjonalny bool. Domyślnie True. Jeśli prawda, przypisanie będzie chronione blokadą; w przeciwnym razie zachowanie jest niezdefiniowane, ale może wykazywać mniej rywalizacji.

Zwroty:

• utworzonej Operation

Atrybuty publiczne

Operation operation

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

 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
)