tf.tensor_scatter_nd_sub

Вычитает разреженные updates из существующего тензора согласно indices.

tf.tensor_scatter_nd_sub(
    tensor: Annotated[Any, TV_TensorScatterSub_T],
    indices: Annotated[Any, TV_TensorScatterSub_Tindices],
    updates: Annotated[Any, TV_TensorScatterSub_T],
    name=None
) -> Annotated[Any, TV_TensorScatterSub_T]

Используется в блокнотах

Эта операция создает новый тензор, вычитая разреженные updates из переданного tensor. Эта операция очень похожа на tf.scatter_nd_sub, за исключением того, что обновления вычитаются из существующего тензора (а не из переменной). Если память существующего тензора нельзя использовать повторно, создается его копия и обновляется.

indices — это целочисленный тензор, содержащий индексы элементов нового тензора формы shape. Последнее измерение indices может быть не больше ранга shape:

indices.shape[-1] <= shape.rank

Последнее измерение indices соответствует индексам элементов (если indices.shape[-1] = shape.rank) или срезов (если indices.shape[-1] < shape.rank) вдоль измерения indices.shape[-1] тензора shape. updates — это тензор формы

indices.shape[:-1] + shape[indices.shape[-1]:]

Самый простой вариант tensor_scatter_sub — вычесть отдельные элементы из тензора по индексам. Например, предположим, что нужно вставить 4 разрозненных элемента в тензор ранга 1, содержащий 8 элементов.

В Python эта операция разреженного вычитания выглядела бы так:

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)

В результате получится следующий тензор:

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

Также можно сразу вставить целые срезы тензора более высокого ранга. Например, предположим, что нужно вставить два среза в первое измерение тензора ранга 3, используя две матрицы новых значений.

В Python эта операция разреженного сложения выглядела бы так:

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)

В результате получится следующий тензор:

[[[-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]]]

Обратите внимание: на CPU при обнаружении индекса за пределами допустимого диапазона возвращается ошибка. На GPU такой индекс игнорируется.