W3Cschool
恭喜您成為首批注冊用戶
獲得88經(jīng)驗(yàn)值獎(jiǎng)勵(lì)
scatter_nd_sub(
ref,
indices,
updates,
use_locking=False,
name=None
)
請參閱指南:變量>稀疏變量更新
在updates和單個(gè)值或切片之間應(yīng)用稀疏減法,根據(jù)indices在給定的變量內(nèi).
ref是一個(gè)秩為P的Tensor,indices是一個(gè)秩為Q的Tensor.
indices必須是整數(shù)張量,包含索引到ref.它一定有形狀:[d_0, ..., d_{Q-2}, K],并且是:0<K<=P.
indices(具有長度K)的最內(nèi)部維度對應(yīng)于沿著ref的K維度的元素(if K = P)或切片(if K < P)的索引.
updates是具有形狀的秩為Q-1+P-K的Tensor:
[d_0, ..., d_{Q-2}, ref.shape[K], ..., ref.shape[P-1]]
例如, 假設(shè)我們要從 rank-1 張量中減去4個(gè)分散的元素,或者8個(gè)元素.在 Python 中,該減法看起來像這樣:
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)
對ref的結(jié)果更新如下所示:
[1, -9, 3, -6, -4, 6, 7, -4]
請參閱tf.scatter_nd有關(guān)如何更新切片的更多詳細(xì)信息.
該函數(shù)將返回一個(gè)可變的Tensor.與ref具有相同的類型.與 ref 一樣,返回為希望在更新完成后使用更新的值的操作的方便性.
Copyright©2021 w3cschool編程獅|閩ICP備15016281號-3|閩公網(wǎng)安備35020302033924號
違法和不良信息舉報(bào)電話:173-0602-2364|舉報(bào)郵箱:jubao@eeedong.com
掃描二維碼
下載編程獅App
編程獅公眾號
聯(lián)系方式:
更多建議: