جریان تنسور:: عملیات:: ScatterNdSub
#include <state_ops.h>
تفریق پراکنده را برای مقادیر یا برش های فردی در یک متغیر اعمال می کند.
خلاصه
در یک متغیر معین با توجه به indices
.
ref
یک Tensor
با رتبه P
و indices
Tensor
رتبه Q
است.
indices
باید تانسور عدد صحیح باشند و شامل اندیس هایی در ref
باشند. باید شکل [d_0, ..., d_{Q-2}, K]
باشد که در آن 0 < K <= P
.
درونیترین بعد indices
(با طول K
) مربوط به شاخصهایی به عناصر (اگر K = P
) یا برشهایی (اگر K < P
) در امتداد بعد K
ام ref
.
updates
Tensor
رتبه Q-1+PK
با شکل:
[d_0, ..., d_{Q-2}, ref.shape[K], ..., ref.shape[P-1]]
به عنوان مثال، فرض کنید می خواهیم 4 عنصر پراکنده را از یک تانسور رتبه-1 با 8 عنصر کم کنیم. در پایتون، این تفریق به صورت زیر است:
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)
به روز رسانی به ref به صورت زیر خواهد بود:
[1, -9, 3, -6, -4, 6, 7, -4]
برای جزئیات بیشتر درباره نحوه بهروزرسانی برشها، tf.scatter_nd
ببینید.
استدلال ها:
- scope: یک شی Scope
- مرجع: یک تانسور قابل تغییر. باید از یک گره متغیر باشد.
- شاخص ها: یک تانسور . باید یکی از انواع زیر باشد: int32، int64. تانسوری از شاخص ها به رفر.
- به روز رسانی: یک تانسور . باید همان نوع ref را داشته باشد. تانسور مقادیر به روز شده برای تفریق از ref.
ویژگی های اختیاری (به Attrs
مراجعه کنید):
- use_locking: یک bool اختیاری. پیش فرض ها به True. اگر True باشد، انتساب توسط یک قفل محافظت می شود. در غیر این صورت رفتار تعریف نشده است، اما ممکن است اختلاف کمتری از خود نشان دهد.
برمیگرداند:
-
Output
: همان ref. برای عملیاتی که میخواهند پس از انجام بهروزرسانی از مقادیر بهروزشده استفاده کنند، بهعنوان سهولت بازگردانده شد.
سازندگان و ویرانگرها | |
---|---|
ScatterNdSub (const :: tensorflow::Scope & scope, :: tensorflow::Input ref, :: tensorflow::Input indices, :: tensorflow::Input updates) | |
ScatterNdSub (const :: tensorflow::Scope & scope, :: tensorflow::Input ref, :: tensorflow::Input indices, :: tensorflow::Input updates, const ScatterNdSub::Attrs & attrs) |
صفات عمومی | |
---|---|
operation | |
output_ref |
توابع عمومی | |
---|---|
node () const | ::tensorflow::Node * |
operator::tensorflow::Input () const | |
operator::tensorflow::Output () const |
توابع استاتیک عمومی | |
---|---|
UseLocking (bool x) |
سازه ها | |
---|---|
tensorflow:: ops:: ScatterNdSub:: Attrs | تنظیم کننده های ویژگی اختیاری برای ScatterNdSub . |
صفات عمومی
عملیات
Operation operation
output_ref
::tensorflow::Output output_ref
توابع عمومی
ScatterNdSub
ScatterNdSub( const ::tensorflow::Scope & scope, ::tensorflow::Input ref, ::tensorflow::Input indices, ::tensorflow::Input updates )
ScatterNdSub
ScatterNdSub( const ::tensorflow::Scope & scope, ::tensorflow::Input ref, ::tensorflow::Input indices, ::tensorflow::Input updates, const ScatterNdSub::Attrs & attrs )
گره
::tensorflow::Node * node() const
عملگر::tensorflow::ورودی
operator::tensorflow::Input() const
عملگر::tensorflow::خروجی
operator::tensorflow::Output() const
توابع استاتیک عمومی
استفاده از قفل
Attrs UseLocking( bool x )
جز در مواردی که غیر از این ذکر شده باشد،محتوای این صفحه تحت مجوز Creative Commons Attribution 4.0 License است. نمونه کدها نیز دارای مجوز Apache 2.0 License است. برای اطلاع از جزئیات، به خطمشیهای سایت Google Developers مراجعه کنید. جاوا علامت تجاری ثبتشده Oracle و/یا شرکتهای وابسته به آن است.
تاریخ آخرین بهروزرسانی 2024-11-30 بهوقت ساعت هماهنگ جهانی.