torch.Tensor.index_reduce_

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

使用 reduce 参数给出的归约方法，将 source 的元素累加到 self 张量中，索引由 index 指定。例如，如果 dim == 0，index[i] == j，reduce == prod 并且 include_self == True，那么 source 的第 i 行将乘以 self 的第 j 行。如果 include_self="True"，则 self 张量中的值会包含在归约中；否则，被累加的 self 张量中的行将被视为用归约的恒等式填充。

source 的 dim 维度的长度必须与 index 的长度（必须是向量）相同，并且其他所有维度都必须与 self 匹配，否则将引发错误。

对于一个 3 维张量，当 reduce="prod" 且 include_self=True 时，输出如下：

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

当在 CUDA 设备上使用张量时，此操作可能行为不确定。有关更多信息，请参阅 随机性。

注意

此函数仅支持浮点张量。

警告

此功能处于 Beta 阶段，未来可能会有变动。

参数

• dim (int) – 沿哪个维度进行索引

• index (Tensor) – 从中选择 source 元素的索引，其 dtype 应为 torch.int64 或 torch.int32

• source (FloatTensor) – 包含要累加的值的张量

• reduce (str) – 要应用的归约操作（"prod", "mean", "amax", "amin"）

关键字参数

include_self (bool) – self 张量中的元素是否包含在归约中

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.]])