Python PyTorch Tensor.scatter_add_用法及代码示例

本文简要介绍python语言中 torch.Tensor.scatter_add_ 的用法。

用法:

Tensor.scatter_add_(dim, index, src) → Tensor

参数：

• dim(int) -索引的轴

• index(LongTensor) -要分散和添加的元素的索引可以为空或与 src 具有相同的维度。当为空时，该操作返回 self 不变。

• src(Tensor) -要分散和添加的源元素

以与 scatter_() 类似的方式将来自张量 other 的所有值添加到 self 在 index 张量中指定的索引处。对于 src 中的每个值，将其添加到 self 中的索引中，该索引由 src 中的索引指定 dimension != dim 和 index 中的相应值 dimension = dim 。

对于 3-D 张量，self 更新为：

self[index[i][j][k]][j][k] += src[i][j][k]  # if dim == 0
self[i][index[i][j][k]][k] += src[i][j][k]  # if dim == 1
self[i][j][index[i][j][k]] += src[i][j][k]  # if dim == 2

self 、 index 和 src 应该具有相同的维数。还需要 index.size(d) <= src.size(d) 用于所有维度 d ，并且 index.size(d) <= self.size(d) 用于所有维度 d != dim 。请注意，index 和 src 不广播。

注意

当给定 CUDA 设备上的张量时，此操作可能会表现得不确定。有关详细信息，请参阅重现性。

注意

向后传递仅针对 src.shape == index.shape 实施。

例子：

>>> src = torch.ones((2, 5))
>>> index = torch.tensor([[0, 1, 2, 0, 0]])
>>> torch.zeros(3, 5, dtype=src.dtype).scatter_add_(0, index, src)
tensor([[1., 0., 0., 1., 1.],
        [0., 1., 0., 0., 0.],
        [0., 0., 1., 0., 0.]])
>>> index = torch.tensor([[0, 1, 2, 0, 0], [0, 1, 2, 2, 2]])
>>> torch.zeros(3, 5, dtype=src.dtype).scatter_add_(0, index, src)
tensor([[2., 0., 0., 1., 1.],
        [0., 2., 0., 0., 0.],
        [0., 0., 2., 1., 1.]])