ใช้การลบแบบเบาบางกับค่าแต่ละค่าหรือการแบ่งส่วนในตัวแปร
`ref` คือ `Tensor` ที่มีอันดับ `P` และ `indices` คือ `Tensor` ของอันดับ `Q`
"ดัชนี" ต้องเป็นจำนวนเต็มเทนเซอร์ โดยมีดัชนีอยู่ใน "อ้างอิง" จะต้องมีรูปร่าง `[d_0, ..., d_{Q-2}, K]` โดยที่ `0 < K <= P`
มิติในสุดของ "ดัชนี" (มีความยาว "K") สอดคล้องกับดัชนีเป็นองค์ประกอบ (ถ้า "K = P") หรือแบ่งส่วน (ถ้า "K < P") ตามมิติ "K" ของ "อ้างอิง"
`อัพเดต` คือ `เทนเซอร์` ของอันดับ `Q-1+PK` ที่มีรูปร่าง:
[d_0, ..., d_{Q-2
, ref.shape[K], ..., ref.shape[P-1]]
}
ตัวอย่างเช่น สมมติว่าเราต้องการลบองค์ประกอบที่กระจัดกระจาย 4 องค์ประกอบออกจากเทนเซอร์อันดับ 1 ที่มี 8 องค์ประกอบ ใน Python การลบนั้นจะมีลักษณะดังนี้: 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)
การอัปเดตผลลัพธ์เพื่ออ้างอิงจะมีลักษณะดังนี้:[1, -9, 3, -6, -4, 6, 7, -4]
ดู tf.scatter_nd
สำหรับรายละเอียดเพิ่มเติมเกี่ยวกับวิธีการอัปเดตสไลซ์
คลาสที่ซ้อนกัน
ระดับ | ResourceScatterNdSub.Options | แอ็ตทริบิวต์ทางเลือกสำหรับ ResourceScatterNdSub |
วิธีการสาธารณะ
คงที่ <T ขยายจำนวน U> ResourceScatterNdSub | |
คงที่ ResourceScatterNdSub.Options | useLocking (บูลีน useLocking) |
วิธีการสืบทอด
วิธีการสาธารณะ
สร้าง ResourceScatterNdSub แบบคงที่สาธารณะ ( ขอบเขต ขอบเขต, ตัว ถูกดำเนินการ <?> การอ้างอิง, ดัชนี ตัวถูกดำเนินการ <T>, การอัปเดตตัวถูกดำเนินการ < U >, ตัวเลือก... )
วิธีการ Factory เพื่อสร้างคลาสที่ปิดการดำเนินการ ResourceScatterNdSub ใหม่
พารามิเตอร์
ขอบเขต | ขอบเขตปัจจุบัน |
---|---|
อ้างอิง | ตัวจัดการทรัพยากร ต้องมาจาก VarHandleOp |
ดัชนี | เทนเซอร์ ต้องเป็นหนึ่งในประเภทต่อไปนี้: int32, int64 เทนเซอร์ของดัชนีอ้างอิง |
อัพเดท | เทนเซอร์ ต้องมีประเภทเดียวกับผู้อ้างอิง เทนเซอร์ของค่าที่จะเพิ่มไปยังการอ้างอิง |
ตัวเลือก | ดำเนินการค่าแอตทริบิวต์ทางเลือก |
คืนสินค้า
- อินสแตนซ์ใหม่ของ ResourceScatterNdSub
ResourceScatterNdSub.Options แบบคงที่สาธารณะ useLocking (บูลีน useLocking)
พารามิเตอร์
ใช้ล็อค | บูลเสริม ค่าดีฟอลต์เป็น True หากเป็น True การมอบหมายจะได้รับการปกป้องด้วยการล็อค มิฉะนั้นพฤติกรรมจะไม่ถูกกำหนด แต่อาจแสดงความขัดแย้งน้อยลง |
---|