【tf算子学习】tensor_scatter_add

前言：学习tf.tensor_scatter_add算子，理解算子的基本功能和在多维上的计算。

1.找到算子的定义

不知道这个是不是google的官网，链接地址：https://tensorflow.google.cn/versions/r2.1/api_docs/python/tf/tensor_scatter_nd_add

tf.tensor_scatter_nd_add和tf.tensor_scatter_add这两个算子的关系，好像tf.tensor_scatter_nd_add是tf.tensor_scatter_add的升级版吧，具体不清楚，我可能是错的。

tf.tensor_scatter_nd_add，tensorflow中文社区链接地址：http://www.tensorfly.cn/tfdoc/api_docs/tf/tensor_scatter_nd_add.html

W3Cschool链接地址：https://www.w3cschool.cn/tensorflow_python/tensorflow_python-h5yo2j65.html

在W3Cschool，我只能找到tf.scatter_nd_add算子，这个算子和tf.tensor_scatter_add算子功能基本上是一样的，就是多了use_locking属性。

tf.scatter_nd_add是tf.scatter_add在多维上的运用。在我理解上多维的话就能进行tensor之间直接的加减乘除，而不再是数字与数字之间的加减运算。

2.理解算子入参之间的shape关系

多维的情况是很复杂的，tf.tensor_scatter_add三个入参之间的shape存在一定的关系，算子的第一个入参input_x可以看作是原始的tensor，indices是将要对input_x中的某一维的tensor做处理的索引tensor，只能是二维的，一维会报错，updates是根据indices将要和input_x中indices位置上的tensor或标量做出计算的新tensor，就是算子的输出tensor的shape要和input_x的shape一样，该算子的功能可以看作是对input_x这个入参进行数据上的修改。

如果算子的三个入参的shape关系没有给对，就会报以下的错误：

（图片来源：https://stackoverflow.com/questions/55615900/tensorflow-tf-tensor-scatter-add-for-two-tensors-with-unknown-batch-size）

从最简单的一维开始，在网上找个例子看看是怎样计算的。
tf.scatter_sub 函数，链接地址：https://blog.csdn.net/weixin_41874599/article/details/82793658

tf.scatter_nd，链接地址：https://www.w3cschool.cn/tensorflow_python/tensorflow_python-led42j40.html

上面这两个规则很关键。
(1) indices的shape最后一维的取值应该小于等于input_x的秩，也就是input_x的shape的长度。indices本身要求至少是二维的。

(2)updates的shape是要根据input_x和indices的shape计算得到的，公式是固定的：updates.shape = indices.shape[:-1]+input_x.shape[indices.shape[-1]:]

在多维上，tf.scatter_nd, tf.scatter_nd_add, tf.scatter_nd_sub, tf.scatter_nd_update对于入参之间shape的运算关系是一样的。

tf.scatter_nd_update，链接地址：https://blog.csdn.net/DaVinciL/article/details/84027241

一维shape

ref.shape = [8]
indices.shape = [4,1]
按照公式updates.shape = indices.shape[:-1]+input_x.shape[indices.shape[-1]:]计算得到：
updates.shape = [4]

二维shape

ref.shape = [6,6]
indices.shape = [4,2]
updates.shape = [4]

3.难点是indices数据的生成

省略。。。

4.顺道学习相关算子

重点学习：tensor_scatter_sub/tensor_scatter_update
tf.tensor_scatter_nd_sub/tf.tensor_scatter_nd_update


tf.tensor_scatter_update的indices在同一维度的里面的数字是可以包含重复项的。

等等。。。