tensorflow:: عملیات:: ScatterNdSub

تفریق پراکنده را روی مقادیر یا برش‌های منفرد در یک متغیر (Variable) اعمال می‌کند.

خلاصه

در یک متغیر معین بر اساس indices .

ref یک Tensor با رتبه P و indices یک Tensor با رتبه Q هستند.

indices باید تانسور عدد صحیح باشند و شامل شاخص‌هایی در ref باشند. باید به شکل [d_0, ..., d_{Q-2}, K] باشند که در آن 0 < K <= P .

درونی‌ترین بُعد indices (با طول K ) متناظر با شاخص‌ها به صورت عناصر (اگر K = P ) یا برش‌ها (اگر K < P ) در امتداد بُعد K اُم ref است.

updates Tensor با رتبه Q-1+PK با شکل زیر است:

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

برای مثال، فرض کنید می‌خواهیم ۴ عنصر پراکنده را از یک تانسور مرتبه ۱ با ۸ عنصر کم کنیم. در پایتون، این تفریق به شکل زیر خواهد بود:

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)

به‌روزرسانی حاصل برای ref به این شکل خواهد بود:

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

برای جزئیات بیشتر در مورد نحوه‌ی به‌روزرسانی برش‌ها، به tf.scatter_nd مراجعه کنید.

استدلال‌ها:

• دامنه: یک شیء دامنه
• مرجع: یک تانسور تغییرپذیر. باید از یک گره متغیر باشد.
• شاخص‌ها: یک تانسور . باید یکی از انواع زیر باشد: int32، int64. یک تانسور از شاخص‌ها در مرجع.
• به‌روزرسانی‌ها: یک تانسور . باید از نوع مشابه با مرجع باشد. یک تانسور از مقادیر به‌روزرسانی‌شده برای تفریق از مرجع.

ویژگی‌های اختیاری (به Attrs مراجعه کنید):

• use_locking: یک مقدار بولی اختیاری. مقدار پیش‌فرض True است. اگر True باشد، انتساب توسط یک قفل محافظت می‌شود؛ در غیر این صورت رفتار تعریف نشده است، اما ممکن است رقابت کمتری را نشان دهد.

بازده:

• Output : مشابه مرجع. به عنوان یک مزیت برای عملیاتی که می‌خواهند از مقادیر به‌روزرسانی‌شده پس از انجام به‌روزرسانی استفاده کنند، برگردانده می‌شود.

ویژگی‌های عمومی

Operation operation

::tensorflow::Output output_ref

 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
)

::tensorflow::Node * node() const 

 operator::tensorflow::Input() const 

 operator::tensorflow::Output() const 

Attrs UseLocking(
  bool x
)