torch.Tensor.index_reduce_

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

使用 reduce 参数给出的归约，通过按 index 中给出的顺序累加到索引来将 source 的元素累加到 self 张量中。例如，如果 dim == 0、index[i] == j、reduce == prod 且 include_self == True，则 source 的第 i 行将乘以 self 的第 j 行。如果 include_self="True"，则 self 张量中的值将包含在归约中，否则，累加到的 self 张量中的行将被视为用归约标识符填充。

source 的第 dim 维必须与 index 的长度（必须是向量）相同，并且所有其他维必须与 self 相匹配，否则将引发错误。

对于具有 reduce="prod" 和 include_self=True 的 3-D 张量，输出将给出为

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

此操作在 CUDA 设备上给出张量时可能表现出不确定性。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

此函数处于测试阶段，未来可能会更改。

参数

• dim (int) – 要索引的维数

• 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 (FloatTensor) – 包含要累加值的张量

• reduce (str) – 要应用的归约操作 ("prod"、"mean"、"amax"、"amin")

关键字参数

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

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.]])