tensorflow :: ops :: ResourceScatterNdSub

Variable의 개별 값 또는 슬라이스에 희소 빼기를 적용합니다.

요약

ref 는 순위가 P Tensor 이고 indices 는 순위가 Q Tensor 입니다.

indices 는 ref 인덱스를 포함하는 정수 텐서 여야합니다. 모양은 [d_0, ..., d_{Q-2}, K] 여야합니다 [d_0, ..., d_{Q-2}, K] 여기서 0 < K <= P

indices 의 가장 안쪽 차원 (길이 K )은 ref 의 K 번째 차원을 따라 요소 ( K = P ) 또는 슬라이스 ( K < P 경우)에 대한 인덱스에 해당합니다.

updates 는 Q-1+PK 등급의 Tensor 입니다.

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

예를 들어, 8 개의 요소가있는 랭크 1 텐서에서 4 개의 흩어진 요소를 빼고 싶다고 가정 해 보겠습니다. Python에서 빼기는 다음과 같습니다.

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)

ref에 대한 결과 업데이트는 다음과 같습니다.

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

슬라이스를 업데이트하는 방법에 대한 자세한 내용은 tf.scatter_nd 를 참조하세요.

인수 :

• 범위 : 범위 개체
• ref : 리소스 핸들. VarHandleOp에서 가져온 것이어야합니다.
• 인덱스 : Tensor . 다음 유형 중 하나 여야합니다. int32, int64 ref에 대한 인덱스의 텐서.
• 업데이트 : Tensor . ref와 동일한 유형이어야합니다. ref에 더할 값의 텐서.

선택적 속성 ( Attrs 참조) :

• use_locking : 선택적 bool입니다. 기본값은 True입니다. True이면 할당이 잠금으로 보호됩니다. 그렇지 않으면 동작이 정의되지 않지만 경합이 적을 수 있습니다.

보고:

• 생성 된 Operation

공용 속성

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
)