tensorflow :: ops :: ResourceScatterNdSub

Bir Değişkendeki tek tek değerlere veya dilimlere seyrek çıkarma uygular .

Özet

ref , Tensor P sahip bir Tensor ve indices , Tensor Q bir Tensor .

indices tamsayı tensör olmalı ve ref indices içermelidir. Şekil [d_0, ..., d_{Q-2}, K] burada 0 < K <= P

En iç boyutu indices (uzunluk ile K elemanları içine endekse karşılık gelen) (eğer K = P ) ya da dilim (eğer K < P birlikte) K th boyutu ref .

updates olan Tensor seviye arasında Q-1+PK şekli ile:

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

Örneğin, 8 elemanlı 1. derece tensörden 4 saçılmış eleman çıkarmak istediğimizi varsayalım. Python'da, bu çıkarma şu şekilde görünür:

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)

Ref için ortaya çıkan güncelleme şu şekilde görünecektir:

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

Dilimlerde nasıl güncelleme yapılacağı hakkında daha fazla ayrıntı için tf.scatter_nd konusuna bakın.

Argümanlar:

• kapsam: Bir Scope nesnesi
• ref: Bir kaynak tanıtıcısı. Bir VarHandleOp'dan olmalıdır.
• indisler: Bir Tensör . Şu türlerden biri olmalıdır: int32, int64. Ref içine indekslerin tensörü.
• güncellemeler: Bir Tensör . Ref ile aynı türe sahip olmalıdır. Ref'e eklenecek değerler tensörü.

İsteğe bağlı özellikler (bkz. Attrs ):

• use_locking: İsteğe bağlı bir bool. Varsayılan Doğru. True ise, atama bir kilitle korunacaktır; aksi takdirde davranış tanımsızdır, ancak daha az çekişme gösterebilir.

İadeler:

• oluşturulan Operation

Genel özellikler

Operation operation

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

 operator::tensorflow::Operation() const 

Attrs UseLocking(
  bool x
)