torch.Tensor.index_reduce_

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

根据index中给定的顺序，并使用reduce参数提供的规约方法，将source中的元素累积到self张量的相应索引位置。例如，如果dim == 0、index[i] == j、reduce == prod且include_self == True，则source的第i行与self的第j行相乘。如果include_self=True，则在规约中包含self张量中的值；否则，在累积到的self张量的行被视为填充了规约标识符。

代码中的 source 的第 dim 维度大小必须与 index（必须是向量）的长度相同，同时其他所有维度必须与 self 匹配，否则会引发错误。

对于一个具有 reduce="prod" 和 include_self=True 属性的3-D张量，其输出为：

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

当张量位于CUDA设备上时，此操作可能表现出非确定性行为。更多详情请参阅重现性。

注意

此功能仅支持浮点张量。

警告

此功能尚处测试阶段，未来可能有所更改。

参数

• dim (int) - 需要进行索引的维度

• index (Tensor) – 用于选择 source 中元素的索引，数据类型应为torch.int64 或 torch.int32

• source (FloatTensor) – 包含需要累加的值的张量

• reduce (str) – 化简操作（"prod", "mean", "amax", "amin"）要应用的操作

关键字参数

include_self (bool) – 是否将self张量的元素包含在减少操作中

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.]])