torch.Tensor.scatter_reduce_

Tensor.scatter_reduce_(dim, index, src, reduce, *, include_self=True) → Tensor

使用 reduce 参数 ("sum", "prod", "mean", "amax", "amin") 定义的应用的缩减操作，将 src 张量中的所有值缩减到 index 张量中指定的索引，在 self 张量中。对于 src 中的每个值，它将被缩减到 self 中的一个索引，该索引由其在 src 中的索引指定，用于 dimension != dim，以及由 index 中的对应值指定，用于 dimension = dim。如果 include_self="True"，则 self 张量中的值将包含在缩减中。

self、index 和 src 应该都具有相同数量的维度。还需要 index.size(d) <= src.size(d) 对于所有维度 d，并且 index.size(d) <= self.size(d) 对于所有维度 d != dim。请注意，index 和 src 不会广播。

对于具有 reduce="sum" 和 include_self=True 的 3 维张量，输出将给出为

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

注意

当在 CUDA 设备上给出张量时，此操作可能表现出不确定性。有关详细信息，请参阅 可重复性。

注意

仅针对 src.shape == index.shape 实现反向传播。

警告

此功能处于测试阶段，可能在不久的将来发生变化。

参数

• dim (int) – 索引的轴

• index (LongTensor) – 要分散和缩减的元素的索引。

• src (Tensor) – 要分散和缩减的源元素

• reduce (str) – 要应用于非唯一索引的缩减操作 ("sum", "prod", "mean", "amax", "amin")

• include_self (bool) – self 张量中的元素是否包含在缩减中

示例

>>> src = torch.tensor([1., 2., 3., 4., 5., 6.])
>>> index = torch.tensor([0, 1, 0, 1, 2, 1])
>>> input = torch.tensor([1., 2., 3., 4.])
>>> input.scatter_reduce(0, index, src, reduce="sum")
tensor([5., 14., 8., 4.])
>>> input.scatter_reduce(0, index, src, reduce="sum", include_self=False)
tensor([4., 12., 5., 4.])
>>> input2 = torch.tensor([5., 4., 3., 2.])
>>> input2.scatter_reduce(0, index, src, reduce="amax")
tensor([5., 6., 5., 2.])
>>> input2.scatter_reduce(0, index, src, reduce="amax", include_self=False)
tensor([3., 6., 5., 2.])