torch.Tensor.index_add_

Tensor.index_add_(dim, index, source, *, alpha=1) → Tensor

累加 alpha 倍 source 的元素到 self 张量中，通过按照 index 中给定的顺序进行索引相加。例如，如果 dim == 0，index[i] == j，并且 alpha=-1，那么 source 的第 i 行将被减去 self 的第 j 行。

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

对于一个 3D 张量，输出如下：

self[index[i], :, :] += alpha * src[i, :, :]  # if dim == 0
self[:, index[i], :] += alpha * src[:, i, :]  # if dim == 1
self[:, :, index[i]] += alpha * 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。

参数

• dim (int) – 沿哪个维度进行索引

• index (Tensor) – 用于从 source 中选择的索引，dtype 应为 torch.int64 或 torch.int32

• source (Tensor) – 包含要相加值的张量

关键字参数

alpha (Number) – source 的标量乘数

示例

>>> x = torch.ones(5, 3)
>>> t = torch.tensor([[1, 2, 3], [4, 5, 6], [7, 8, 9]], dtype=torch.float)
>>> index = torch.tensor([0, 4, 2])
>>> x.index_add_(0, index, t)
tensor([[  2.,   3.,   4.],
        [  1.,   1.,   1.],
        [  8.,   9.,  10.],
        [  1.,   1.,   1.],
        [  5.,   6.,   7.]])
>>> x.index_add_(0, index, t, alpha=-1)
tensor([[  1.,   1.,   1.],
        [  1.,   1.,   1.],
        [  1.,   1.,   1.],
        [  1.,   1.,   1.],
        [  1.,   1.,   1.]])