TensorFlow：tf.scatter_nd_sub函数

tf.scatter_nd_sub 函数

scatter_nd_sub(
    ref,
    indices,
    updates,
    use_locking=False,
    name=None
)

请参阅指南：变量>稀疏变量更新

在updates和单个值或切片之间应用稀疏减法,根据indices在给定的变量内.

ref是一个秩为P的Tensor,indices是一个秩为Q的Tensor.

indices必须是整数张量,包含索引到ref.它一定有形状：[d_0, ..., d_{Q-2}, K],并且是：0<K<=P.

indices(具有长度K)的最内部维度对应于沿着ref的K维度的元素(if K = P)或切片(if K < P)的索引.

updates是具有形状的秩为Q-1+P-K的Tensor：

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

例如, 假设我们要从 rank-1 张量中减去4个分散的元素,或者8个元素.在 Python 中,该减法看起来像这样：

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)

对ref的结果更新如下所示：

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

请参阅tf.scatter_nd有关如何更新切片的更多详细信息.

参数

• ref：一个可变的Tensor；必须是下列类型之一：float32,float64,int64,int32,uint8,uint16,int16,int8,complex64,complex128,qint8,quint8,qint32,half；应该来自一个变量节点.
• indices：一个Tensor；必须是以下类型之一：int32,int64；索引到ref的一个张量.
• updates：一个Tensor.必须与ref具有相同的类型.从ref中减去更新值的张量.
• use_locking：可选的bool；如果为True,则赋值将受锁定的保护；否则行为是不确定的,但可能表现出较少的争用.
• name：操作的名称(可选).

返回值

该函数将返回一个可变的Tensor.与ref具有相同的类型.与 ref 一样,返回为希望在更新完成后使用更新的值的操作的方便性.