TensorScatterNdSub

TensorScatterNdSub kelas akhir publik

Mengurangi `pembaruan` yang jarang dari tensor yang ada menurut `indeks`.

Operasi ini membuat tensor baru dengan mengurangi `pembaruan` yang jarang dari `tensor` yang diteruskan. Operasi ini sangat mirip dengan `tf.scatter_nd_sub`, hanya saja pembaruannya dikurangi dari tensor yang ada (bukan variabel). Jika memori untuk tensor yang ada tidak dapat digunakan kembali, salinan akan dibuat dan diperbarui.

`indices` adalah tensor bilangan bulat yang berisi indeks ke dalam tensor baru dengan bentuk `shape`. Dimensi terakhir dari `indeks` paling banyak dapat berupa peringkat `bentuk`:

indeks.bentuk[-1] <= bentuk.peringkat

Dimensi terakhir `indeks` sesuai dengan indeks ke dalam elemen (jika `indeks.bentuk[-1] = bentuk.peringkat`) atau irisan (jika `indeks.bentuk[-1] < bentuk.peringkat`) sepanjang `indeks dimensi .bentuk[-1]` dari `bentuk`. `updates` adalah tensor dengan bentuk

indeks.bentuk[:-1] + bentuk[indeks.bentuk[-1]:]

Bentuk paling sederhana dari tensor_scatter_sub adalah dengan mengurangkan masing-masing elemen dari tensor berdasarkan indeks. Misalnya, kita ingin menyisipkan 4 elemen tersebar di tensor peringkat-1 dengan 8 elemen.

Dengan Python, operasi pengurangan pencar ini akan terlihat seperti ini:

indices = tf.constant([[4], [3], [1], [7]])
     updates = tf.constant([9, 10, 11, 12])
     tensor = tf.ones([8], dtype=tf.int32)
     updated = tf.tensor_scatter_nd_sub(tensor, indices, updates)
     print(updated)
 

Tensor yang dihasilkan akan terlihat seperti ini:

[1, -10, 1, -9, -8, 1, 1, -11]

Kita juga dapat memasukkan seluruh bagian tensor dengan peringkat lebih tinggi sekaligus. Misalnya, jika kita ingin menyisipkan dua irisan pada dimensi pertama tensor peringkat-3 dengan dua matriks nilai baru.

Dengan Python, operasi penambahan pencar ini akan terlihat seperti ini:

indices = tf.constant([[0], [2]])
     updates = tf.constant([[[5, 5, 5, 5], [6, 6, 6, 6],
                             [7, 7, 7, 7], [8, 8, 8, 8]],
                            [[5, 5, 5, 5], [6, 6, 6, 6],
                             [7, 7, 7, 7], [8, 8, 8, 8]]])
     tensor = tf.ones([4, 4, 4],dtype=tf.int32)
     updated = tf.tensor_scatter_nd_sub(tensor, indices, updates)
     print(updated)
 

Tensor yang dihasilkan akan terlihat seperti ini:

[[[-4, -4, -4, -4], [-5, -5, -5, -5], [-6, -6, -6, -6], [-7, -7 , -7, -7]], [[1, 1, 1, 1], [1, 1, 1, 1], [1, 1, 1, 1], [1, 1, 1, 1]] , [[-4, -4, -4, -4], [-5, -5, -5, -5], [-6, -6, -6, -6], [-7, -7 , -7, -7]], [[1, 1, 1, 1], [1, 1, 1, 1], [1, 1, 1, 1], [1, 1, 1, 1]] ]

Perhatikan bahwa pada CPU, jika indeks di luar batas ditemukan, kesalahan akan dikembalikan. Pada GPU, jika ditemukan indeks di luar batas, indeks tersebut akan diabaikan.

Konstanta

Rangkaian

OP_NAME

Nama operasi ini dikenal dengan mesin inti TensorFlow

Metode Publik

Keluaran <T>	sebagai Keluaran () Mengembalikan pegangan simbolis tensor.
statis <T memperluas TType > TensorScatterNdSub <T>	buat ( Lingkup cakupan, Tensor Operan <T>, Indeks Operan <? extends TNumber >, Pembaruan Operan <T>) Metode pabrik untuk membuat kelas yang membungkus operasi TensorScatterNdSub baru.
Keluaran <T>	keluaran () Tensor baru disalin dari tensor dan pembaruan dikurangi sesuai dengan indeks.

Metode Warisan

Dari kelas org.tensorflow.op.RawOp

boolean terakhir	sama dengan (Objek objek)
int terakhir	Kode hash ()
Operasi	op () Kembalikan unit komputasi ini sebagai satu Operation .
String terakhir	keString ()

Dari kelas java.lang.Object

boolean	sama dengan (Objek arg0)
Kelas terakhir<?>	dapatkan Kelas ()
ke dalam	Kode hash ()
kekosongan terakhir	memberitahu ()
kekosongan terakhir	beri tahuSemua ()
Rangkaian	keString ()
kekosongan terakhir	tunggu (arg0 panjang, int arg1)
kekosongan terakhir	tunggu (argumen panjang0)
kekosongan terakhir	Tunggu ()

Dari antarmuka org.tensorflow.op.Op

Lingkungan Eksekusi abstrak	env () Kembalikan lingkungan eksekusi tempat operasi ini dibuat.
Operasi abstrak	op () Kembalikan unit komputasi ini sebagai satu Operation .

Dari antarmuka org.tensorflow.Operand

Keluaran abstrak <T>	sebagai Keluaran () Mengembalikan pegangan simbolis tensor.
abstrak T	sebagai Tensor () Mengembalikan tensor pada operan ini.
Bentuk abstrak	membentuk () Mengembalikan bentuk tensor (yang mungkin diketahui sebagian) yang dirujuk oleh Output operan ini.
Kelas abstrak<T>	jenis () Mengembalikan tipe tensor operan ini

Dari antarmuka org.tensorflow.ndarray.Shaped

abstrak ke dalam	peringkat ()
Bentuk abstrak	membentuk ()
abstrak panjang	ukuran () Menghitung dan mengembalikan ukuran total wadah ini, dalam jumlah nilai.

Konstanta

String akhir statis publik OP_NAME

Nama operasi ini dikenal dengan mesin inti TensorFlow

Nilai Konstan: "TensorScatterSub"

Metode Publik

Keluaran publik <T> sebagai Keluaran ()

Mengembalikan pegangan simbolis tensor.

Masukan ke operasi TensorFlow adalah keluaran dari operasi TensorFlow lainnya. Metode ini digunakan untuk mendapatkan pegangan simbolis yang mewakili perhitungan input.

public static TensorScatterNdSub <T> buat ( Lingkup cakupan , Tensor <T> Operand , indeks Operand <? extends TNumber >, pembaruan Operand <T>)

Metode pabrik untuk membuat kelas yang membungkus operasi TensorScatterNdSub baru.

Parameter

cakupan	ruang lingkup saat ini
tensor	Tensor untuk disalin/diperbarui.
indeks	Tensor indeks.
pembaruan	Pembaruan untuk disebarkan ke dalam keluaran.

Kembali

• contoh baru TensorScatterNdSub

Keluaran publik <T> keluaran ()

Tensor baru disalin dari tensor dan pembaruan dikurangi sesuai dengan indeks.