本文主要是介绍tensorflow scatter_nd函数，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
函数原型
tf.scatter_nd(indices, updates, shape, name=None
)
函数说明
将张量updates的形状扩展到新的形状shape，张量在新形状shape中的坐标为indices，其他的元素值为0。
参数indices表示张量的索引，参数updates表示分散到输出张量的值，参数shape表示输出张量的形状。
函数使用
1、一维张量
>>> indices = tf.constant([[1], [3], [5], [7]])
>>> updates = tf.constant([2, 3, 4, 5])
>>> shape = tf.constant([8])
>>> tf.scatter_nd(indices, updates, shape)
<tf.Tensor: shape=(8,), dtype=int32, numpy=array([0, 2, 0, 3, 0, 4, 0, 5])>
2、二维张量
>>> indices = tf.constant([[1], [2]])
>>> updates = tf.constant([[1, 2], [3, 4]])
>>> updates
<tf.Tensor: shape=(2, 2), dtype=int32, numpy=
array([[1, 2],[3, 4]])>
>>> shape = tf.constant([4, 2])
>>> tf.scatter_nd(indices, updates, shape)
<tf.Tensor: shape=(4, 2), dtype=int32, numpy=
array([[0, 0],[1, 2],[3, 4],[0, 0]])>
3、三维张量
>>> 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]]])
>>> updates
<tf.Tensor: shape=(2, 4, 4), dtype=int32, numpy=
array([[[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])
>>> tf.scatter_nd(indices, updates, shape)
<tf.Tensor: shape=(4, 4, 4), dtype=int32, numpy=
array([[[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]]])>
这篇关于tensorflow scatter_nd函数的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
