torch.Tensor.scatter_#

Tensor.scatter_(dim, index, src, *, reduce=None) → Tensor#

將 src 張量中的所有值寫入 self 中，索引由 index 張量指定。對於 src 中的每個值，其輸出索引由其在 src 中的索引（對於 dimension != dim）和 index 中的相應值（對於 dimension = dim）指定。

對於一個 3 維張量，self 的更新方式如下：

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

這是 gather() 方法所述操作的逆過程。

同時要求 index.size(d) <= src.size(d) 對於所有維度 d，以及 index.size(d) <= self.size(d) 對於所有維度 d != dim。請注意，對於 NPU，input 和 index 不會相互廣播，因此在 NPU 上執行時，input 和 index 必須具有相同數量的維度。在所有其他情況下，會發生標準廣播。

此外，與 gather() 一樣，index 的值必須包含在 0 和 self.size(dim) - 1 之間。

警告

當索引不唯一時，行為是不確定的（將從 src 中任意選擇一個值）並且梯度將是不正確的（它將被傳播到源中與同一索引對應的所有位置）！

注意

反向傳播僅對 src.shape == index.shape 進行了實現。

此外，它還接受一個可選的 reduce 引數，該引數允許指定一個可選的歸約操作，該操作將應用於 src 張量中的所有值，寫入 self 中由 index 指定的索引處。對於 src 中的每個值，歸約操作將應用於 self 中的一個索引，該索引由其在 src 中的索引（對於 dimension != dim）和 index 中的相應值（對於 dimension = dim）指定。

給定一個 3 維張量並使用乘法進行歸約，self 的更新方式如下：

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

使用加法進行歸約等同於使用 scatter_add_()。

警告

帶有張量 src 的 reduce 引數已被棄用，並將在未來的 PyTorch 版本中移除。請使用 scatter_reduce_() 以獲得更多歸約選項。

引數

dim (int) – 索引的軸
index (LongTensor) – 要散佈的元素的索引，可以是空的，也可以與 src 具有相同的維度。當為空時，操作將返回未更改的 self。
src (Tensor) – 要散佈的源元素。

關鍵字引數

reduce (str, optional) – 要應用的歸約操作，可以是 'add' 或 'multiply'。

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:

將 value 的值寫入 self 中，索引由 index 張量指定。此操作等同於前一個版本，其中 src 張量完全填充了 value。

引數

dim (int) – 索引的軸
index (LongTensor) – 要散佈的元素的索引，可以是空的，也可以與 src 具有相同的維度。當為空時，操作將返回未更改的 self。
value (Scalar) – 要散佈的值。

關鍵字引數

reduce (str, optional) – 要應用的歸約操作，可以是 'add' 或 'multiply'。

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.]])

torch.Tensor.scatter_#

文件

教程

資源