torch.Tensor.scatter_reduce_

Tensor.scatter_reduce_(dim, index, src, reduce, *, include_self=True) → Tensor

使用通过reduce参数定义的减少操作（如"sum"、"prod"、"mean"、"amax"和"amin"），将src张量中的所有值减少到self张量中由index张量指定的索引。对于src中的每个值，它被减少为在dimension != dim时由其在src中的索引，在dimension = dim时则由index中对应的值指定的self张量中的一个索引。如果include_self="True"，则在减少操作中包含self张量中的值。

self、index 和 src 应该具有相同的维度数量。此外，对于所有维度 d，需要满足 index.size(d) <= src.size(d)，并且对于所有不等于 dim 的维度 d，需满足 index.size(d) <= self.size(d)。请注意，index 和 src 不进行广播。

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

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

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

只有当src.shape == index.shape时，才实施反向传播。

警告

此功能尚处测试阶段，未来可能有所更改。

参数

• dim (int) - 需要进行索引的轴

• index (LongTensor) - 扩散和减少的目标元素的索引。

• src (Tensor) – 需要散列和缩减的源张量

• reduce (str) – 用于非唯一索引的约简操作（"sum", "prod", "mean", "amax", "amin"）

• include_self (bool) – 元素是否包含来自self张量的元素，以进行缩减操作

示例：

>>> src = torch.tensor([1., 2., 3., 4., 5., 6.])
>>> index = torch.tensor([0, 1, 0, 1, 2, 1])
>>> input = torch.tensor([1., 2., 3., 4.])
>>> input.scatter_reduce(0, index, src, reduce="sum")
tensor([5., 14., 8., 4.])
>>> input.scatter_reduce(0, index, src, reduce="sum", include_self=False)
tensor([4., 12., 5., 4.])
>>> input2 = torch.tensor([5., 4., 3., 2.])
>>> input2.scatter_reduce(0, index, src, reduce="amax")
tensor([5., 6., 5., 2.])
>>> input2.scatter_reduce(0, index, src, reduce="amax", include_self=False)
tensor([3., 6., 5., 2.])