torch.Tensor.index_reduce_

Tensor.index_reduce_(dim, index, source, reduce, *, include_self=True) → Tensor

通过使用 reduce 参数给出的归约，按 index 中给出的顺序累积到索引，将 source 的元素累积到 self 张量中。例如，如果 dim == 0，index[i] == j，reduce == prod 且 include_self == True，则 source 的第 i 行乘以 self 的第 j 行。如果 include_self="True"，则 self 张量中的值包含在归约中，否则，累积到的 self 张量中的行将被视为填充了归约标识。

dimth 维度 source 的大小必须与 index 的长度（必须是向量）相同，所有其他维度必须与 self 匹配，否则将引发错误。

对于 3-D 张量，reduce="prod" 和 include_self=True，输出如下：

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

注意

当在 CUDA 设备上给定张量时，此操作的行为可能不确定。有关更多信息，请参阅可重复性。

注意

此函数仅支持浮点张量。

警告

此函数处于 beta 阶段，在不久的将来可能会发生变化。

参数

• dim (int) – 沿其索引的维度

• index (Tensor) – 要从中选择的 source 的索引，应具有 dtype torch.int64 或 torch.int32

• source (FloatTensor) – 包含要累积的值的张量

• reduce (str) – 要应用的归约运算 ("prod", "mean", "amax", "amin")

关键字参数

include_self (bool) – 是否将 self 张量中的元素包含在归约中

示例

>>> x = torch.empty(5, 3).fill_(2)
>>> t = torch.tensor([[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]], dtype=torch.float)
>>> index = torch.tensor([0, 4, 2, 0])
>>> x.index_reduce_(0, index, t, 'prod')
tensor([[20., 44., 72.],
        [ 2.,  2.,  2.],
        [14., 16., 18.],
        [ 2.,  2.,  2.],
        [ 8., 10., 12.]])
>>> x = torch.empty(5, 3).fill_(2)
>>> x.index_reduce_(0, index, t, 'prod', include_self=False)
tensor([[10., 22., 36.],
        [ 2.,  2.,  2.],
        [ 7.,  8.,  9.],
        [ 2.,  2.,  2.],
        [ 4.,  5.,  6.]])