torch.Tensor.scatter_add_

Tensor.scatter_add_(dim, index, src) → Tensor

将张量 src 中的所有值以与 scatter_() 类似的方式添加到 self 在 index 张量中指定的索引位置。对于 src 中的每个值，它会被加到由其在 src 中的索引和 dimension != dim 指定的位置上，或者由 index 张量中对应的值指定的位置上（当 dimension == dim 时）。

对于一个3D张量，self 将被更新为：

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

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。

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。

参数

• dim (int) - 需要进行索引的轴

• index (LongTensor) – 要扩散和相加的元素索引，可以为空或与src具有相同的维度。如果为空，则操作将返回未改变的self。

• src (Tensor) – 需要散列和添加的源张量

示例：

>>> src = torch.ones((2, 5))
>>> index = torch.tensor([[0, 1, 2, 0, 0]])
>>> torch.zeros(3, 5, dtype=src.dtype).scatter_add_(0, index, src)
tensor([[1., 0., 0., 1., 1.],
        [0., 1., 0., 0., 0.],
        [0., 0., 1., 0., 0.]])
>>> index = torch.tensor([[0, 1, 2, 0, 0], [0, 1, 2, 2, 2]])
>>> torch.zeros(3, 5, dtype=src.dtype).scatter_add_(0, index, src)
tensor([[2., 0., 0., 1., 1.],
        [0., 2., 0., 0., 0.],
        [0., 0., 2., 1., 1.]])