TensorFlow变量函数：tf.scatter_nd_add

tf.scatter_nd_add 函数

scatter_nd_add(
    ref,
    indices,
    updates,
    use_locking=False,
    name=None
)

请参阅指南：变量>稀疏变量更新

在updates和单个值或切片之间应用稀疏加法,根据indices在给定的变量内.

ref是一个秩为P的Tensor,indices是一个秩为Q的Tensor.

indices必须是整数张量,包含索引到ref.它一定有形状：[d_0, ..., d_{Q-2}, K],并且是：0<K<=P.

indices(具有长度K)的最内部维度对应于沿着ref的K维度的元素(if K = P)或切片(if K < P)的索引.

updates是具有形状的秩为Q-1+P-K的Tensor：

[d_0, ..., d_{Q-2}, ref.shape[K], ..., ref.shape[P-1]].

例如, 假设我们要将4分散的元素添加到 rank-1 张量到8元素.在 Python 中, 添加的内容如下所示:

ref = tf.Variable([1, 2, 3, 4, 5, 6, 7, 8])
indices = tf.constant([[4], [3], [1], [7]])
updates = tf.constant([9, 10, 11, 12])
add = tf.scatter_nd_add(ref, indices, updates)
with tf.Session() as sess:
  print sess.run(add)

对ref的结果更新如下所示：

[1, 13, 3, 14, 14, 6, 7, 20]

请参阅tf.scatter_nd有关如何更新切片的更多详细信息.

函数参数

• ref：一个可变的Tensor；必须是下列类型之一：float32,float64,int64,int32,uint8,uint16,int16,int8,complex64,complex128,qint8,quint8,qint32,half；一个可变的张量；应该来自一个变量节点.
• indices：一个Tensor.必须是以下类型之一：int32,int64.索引到ref的一个张量.
• updates：一个Tensor.必须与ref具有相同的类型.添加到ref的更新值的张量.
• use_locking：可选的bool；如果为True,则赋值将受锁定的保护；否则行为是不确定的,但可能表现出较少的争用.
• name：操作的名称(可选).

函数返回值

tf.scatter_nd_add函数返回一个可变的Tensor；与ref有相同的类型；与 ref 一样,返回为希望在更新完成后使用更新的值的操作的方便性.