Python tf.scatter_nd用法及代碼示例

根據 indices 將 updates 分散到形狀為 shape 的張量中。

用法

tf.scatter_nd(
    indices, updates, shape, name=None
)

根據指定的 indices 的各個值，通過散布稀疏的 updates 來更新輸入張量。此操作返回帶有您指定的 shape 的 output 張量。此操作是 tf.gather_nd 運算符的逆運算，它從給定的張量中提取值或切片。

此操作類似於 tf.tensor_scatter_add ，不同之處在於張量是零初始化的。調用 tf.scatter_nd(indices, values, shape) 與調用 tf.tensor_scatter_add(tf.zeros(shape, values.dtype), indices, values) 相同。

如果indices 包含重複項，則將重複項values 累加(求和)。

警告：應用更新的順序是不確定的，因此如果 indices 包含重複項，則輸出將是不確定的；由於某些數值近似問題，以不同順序求和的數字可能會產生不同的結果。

indices 是形狀為 shape 的整數張量。 indices 的最後一個維度最多可以是 shape 的等級：

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

indices 的最後一個維度對應於 shape 的維度 indices.shape[-1] 的元素索引(如果 indices.shape[-1] = shape.rank )或切片(如果 indices.shape[-1] < shape.rank )。

updates 是一個具有形狀的張量：

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

scatter 操作的最簡單形式是按索引在張量中插入單個元素。考慮一個示例，您希望在具有 8 個元素的 rank-1 張量中插入 4 個分散元素。

在 Python 中，這個分散操作看起來像這樣：

indices = tf.constant([[4], [3], [1], [7]])
    updates = tf.constant([9, 10, 11, 12])
    shape = tf.constant([8])
    scatter = tf.scatter_nd(indices, updates, shape)
    print(scatter)

生成的張量如下所示：

[0, 11, 0, 10, 9, 0, 0, 12]

您還可以一次插入更高等級張量的整個切片。例如，您可以在具有兩個新值矩陣的 rank-3 張量的第一個維度中插入兩個切片。

在 Python 中，這個分散操作看起來像這樣：

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]]])
    shape = tf.constant([4, 4, 4])
    scatter = tf.scatter_nd(indices, updates, shape)
    print(scatter)

生成的張量如下所示：

[[[5, 5, 5, 5], [6, 6, 6, 6], [7, 7, 7, 7], [8, 8, 8, 8]],
 [[0, 0, 0, 0], [0, 0, 0, 0], [0, 0, 0, 0], [0, 0, 0, 0]],
 [[5, 5, 5, 5], [6, 6, 6, 6], [7, 7, 7, 7], [8, 8, 8, 8]],
 [[0, 0, 0, 0], [0, 0, 0, 0], [0, 0, 0, 0], [0, 0, 0, 0]]]

請注意，在 CPU 上，如果發現超出範圍的索引，則會返回錯誤。在 GPU 上，如果發現超出範圍的索引，則忽略該索引。