torch.Tensor.scatter_add_

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

类似于 scatter_()，将 src 张量中的所有值加到 index 张量指定的 self 的索引处。对于 src 中的每个值，它被加到 self 的一个索引中，该索引通过其在 src 中的索引（对于 dimension != dim）和 index 中的相应值（对于 dimension = dim）来指定。

对于一个 3-D 张量，self 的更新方式为

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 必须具有相同的维度数。此外，对于所有维度 d，要求 index.size(d) <= src.size(d)，并且对于所有维度 d != dim，要求 index.size(d) <= self.size(d)。请注意，index 和 src 不会广播。当 index 为空时，我们始终返回原始张量，而不进行进一步的错误检查。

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

反向传播仅对 src.shape == index.shape 进行了实现。

参数

• dim (int) – 索引的轴

• index (LongTensor) – 要进行散播和相加的元素的索引，可以是空的，也可以与 src 具有相同的维度。当为空时，操作将保持 self 不变。

• src (Tensor) – 要进行散播和相加的源元素

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.]])