torch.Tensor.scatter_¶
- Tensor.scatter_(dim, index, src, *, reduce=None) Tensor¶
将张量
src中的所有值写入到张量self中由index张量指定的索引位置。对于src中的每个值，其输出索引由其在src中（对于dimension != dim的维度）的索引以及在index中（对于dimension = dim的维度）的对应值指定。对于一个 3D 张量，
self更新如下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
这与
gather()中描述的操作方式相反。self、index和src（如果它是张量）应具有相同的维度数。此外，要求对于所有维度d，index.size(d) <= src.size(d)；对于所有维度d != dim，index.size(d) <= self.size(d)。请注意，index和src不会进行广播。此外，与
gather()一样，index中的值必须在0和self.size(dim) - 1（包含）之间。警告
当索引不唯一时，行为是非确定性的（将任意选择
src中的一个值），并且梯度将是不正确的（它将传播到源中对应于相同索引的所有位置）！注意
反向传播仅在
src.shape == index.shape时实现。此外，接受一个可选的
reduce参数，该参数允许指定一个可选的归约（reduction）操作，该操作应用于张量src中的所有值，并将结果放入self中由index指定的索引位置。对于src中的每个值，归约操作应用于self中的一个索引，该索引由其在src中（对于dimension != dim的维度）的索引以及在index中（对于dimension = dim的维度）的对应值指定。给定一个 3D 张量并使用乘法操作进行归约，
self更新如下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
使用加法操作进行归约与使用
scatter_add_()相同。警告
使用 Tensor
src的 reduce 参数已被弃用，并将在未来的 PyTorch 版本中移除。请改用scatter_reduce_()以获得更多归约选项。- 参数
- 关键字参数
reduce (str, optional) – 要应用的归约操作，可以是
'add'（加法）或'multiply'（乘法）。
示例
>>> src = torch.arange(1, 11).reshape((2, 5)) >>> src tensor([[ 1, 2, 3, 4, 5], [ 6, 7, 8, 9, 10]]) >>> index = torch.tensor([[0, 1, 2, 0]]) >>> torch.zeros(3, 5, dtype=src.dtype).scatter_(0, index, src) tensor([[1, 0, 0, 4, 0], [0, 2, 0, 0, 0], [0, 0, 3, 0, 0]]) >>> index = torch.tensor([[0, 1, 2], [0, 1, 4]]) >>> torch.zeros(3, 5, dtype=src.dtype).scatter_(1, index, src) tensor([[1, 2, 3, 0, 0], [6, 7, 0, 0, 8], [0, 0, 0, 0, 0]]) >>> torch.full((2, 4), 2.).scatter_(1, torch.tensor([[2], [3]]), ... 1.23, reduce='multiply') tensor([[2.0000, 2.0000, 2.4600, 2.0000], [2.0000, 2.0000, 2.0000, 2.4600]]) >>> torch.full((2, 4), 2.).scatter_(1, torch.tensor([[2], [3]]), ... 1.23, reduce='add') tensor([[2.0000, 2.0000, 3.2300, 2.0000], [2.0000, 2.0000, 2.0000, 3.2300]])
- scatter_(dim, index, value, *, reduce=None) Tensor:
将
value中的值写入到self中由index张量指定的索引位置。此操作等效于上一个版本，但src张量完全填充了value。- 参数
dim (int) – 指定索引轴
index (LongTensor) – 要分散（scatter）的元素的索引，可以是空张量或与
src具有相同的维度。当为空时，操作返回未更改的self。value (Scalar) – 要分散的值。
- 关键字参数
reduce (str, optional) – 要应用的归约操作，可以是
'add'（加法）或'multiply'（乘法）。
示例
>>> index = torch.tensor([[0, 1]]) >>> value = 2 >>> torch.zeros(3, 5).scatter_(0, index, value) tensor([[2., 0., 0., 0., 0.], [0., 2., 0., 0., 0.], [0., 0., 0., 0., 0.]])
