tf.raw_ops.TensorScatterSub

Вычитает разреженные updates из существующего тензора в соответствии с indices.

tf.raw_ops.TensorScatterSub(
    tensor, indices, updates, name=None
)

Данная операция создаёт новый тензор путём вычитания разреженных updates из переданного tensor. Эта операция очень похожа на tf.scatter_nd_sub, за исключением того, что обновления вычитаются из существующего тензора (в отличие от переменной). Если память существующего тензора не может быть повторно использована, создаётся копия и обновляется.

indices — целочисленный тензор, содержащий индексы в новый тензор 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) по размерности indices.shape[-1] shape. updates — тензор с формой

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

Простейшая форма tensor_scatter_sub — вычитание отдельных элементов из тензора по индексу. Например, предположим, что мы хотим вставить 4 рассеянных элемента в тензор ранга 1 с 8 элементами.

В Python операция рассеянного вычитания будет выглядеть 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)

Результат тензора будет выглядеть так:

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

Мы также можем вставлять целые срезы тензора более высокого ранга сразу. Например, если мы хотели вставить два среза в первом измерении тензора ранга 3 с двумя матрицами новых значений.

В Python операция рассеянного сложения будет выглядеть 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)

Результат тензора будет выглядеть так:

[[[-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, что на CPU, если обнаружен индекс за пределами границ, возвращается ошибка. На GPU, если обнаружен индекс за пределами границ, индекс игнорируется.