torch.Tensor.index_add_

Tensor.index_add_(dim, index, source, *, alpha=1) → Tensor

通过按照 index 中给定的顺序添加到索引，将 alpha 倍的 source 的元素累加到 self 张量中。例如，如果 dim == 0，index[i] == j 且 alpha=-1，则 source 的第 i 行将从 self 的第 j 行中减去。

source 的第 dim 维的大小必须与 index（它必须是向量）的长度相同，并且所有其他维度必须与 self 匹配，否则将引发错误。

对于 3 维张量，输出如下所示

self[index[i], :, :] += alpha * src[i, :, :]  # if dim == 0
self[:, index[i], :] += alpha * src[:, i, :]  # if dim == 1
self[:, :, index[i]] += alpha * src[:, :, i]  # if dim == 2

注意

当在 CUDA 设备上给出张量时，此操作可能会表现出不确定性行为。有关更多信息，请参阅 可重复性。

参数

• dim (int) – 索引所在的维度

• index (Tensor) – 要从中选择的 source 的索引，其数据类型应为 torch.int64 或 torch.int32

• source (Tensor) – 包含要添加的值的张量

关键字参数

alpha (Number) – source 的标量乘数

示例

>>> x = torch.ones(5, 3)
>>> t = torch.tensor([[1, 2, 3], [4, 5, 6], [7, 8, 9]], dtype=torch.float)
>>> index = torch.tensor([0, 4, 2])
>>> x.index_add_(0, index, t)
tensor([[  2.,   3.,   4.],
        [  1.,   1.,   1.],
        [  8.,   9.,  10.],
        [  1.,   1.,   1.],
        [  5.,   6.,   7.]])
>>> x.index_add_(0, index, t, alpha=-1)
tensor([[  1.,   1.,   1.],
        [  1.,   1.,   1.],
        [  1.,   1.,   1.],
        [  1.,   1.,   1.],
        [  1.,   1.,   1.]])