import tensorflow as tf
import numpy as np
'''
功能:
在给定的变量内根据 indices 。对变量中的单个值或切片进行稀疏减法。
参数:
ref:是具有等级 P 的 Tensor ,而 indices 是具有等级 Q 的 Tensor 。
indices:必须是整数张量,其中包含 ref 的索引。它必须是形状 [d_0, ..., d_{Q-2}, K] ,其中 0 < K <= P 。
indices:最里面的维度(长度为 K )对应于沿着 ref 的第 K 个维度的元素(如果 K = P )或切片(如果 K < P )的索引。
eg:indices最里面维度的长度为6,则取ref第6维度的值,且ref第六维度的长度必须大于等于6
updates:为 Q-1+P-K 等级的 Tensor ,形状如下:
[d_0, ..., d_{Q-2}, ref.shape[K], ..., ref.shape[P-1]]
use_locking:可选的 bool 。默认为 False 。可选的布尔值。默认为True。如果为True,则该分配将受到锁的保护;否则,行为是不确定的,但可能会减少争用。
name:操作的名称(可选)。
'''
'''
需要注意:
1.gather的索引不能越界
'''
input_x = np.random.randint(0,1000,size=(10, 7, 8,7,8,7,9)).astype(np.float16)
indices_dp = np.random.randint(0,9,size=(8)).astype(np.int32)
indices_np = np.random.randint(0,len(np.unique(indices_dp)),size=(8, np.random.randint(1, len(input_x.shape)+1))).astype(np.int32)
updates_np = np.random.randint(0,1000,size=(indices_np.shape[:-1] + input_x.shape[indices_np.shape[-1]:])).astype(np.float16)
out_ = tf.raw_ops.ScatterNdSub(ref=tf.Variable(input_x),indices=tf.constant(indices_np), updates=tf.constant(updates_np),use_locking=False)
with tf.Session() as sess:
sess.run(tf.global_variables_initializer())
res = out_.eval()
tensorflow 中ScatterNdSub()函数的使用
最新推荐文章于 2022-11-25 21:38:59 发布