torch.Tensor.scatter_reduce_

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

使用透過 reduce 引數定義的歸約操作（"sum"、"prod"、"mean"、"amax"、"amin"），將所有值從 src 張量歸約到 index 張量中指定的 self 張量索引處。對於 src 中的每個值，它被歸約到 self 中的一個索引處，該索引由其在 src 中對於 dimension != dim 的索引指定，以及由 index 中對於 dimension = dim 的對應值指定。如果 include_self="True"，則 self 張量中的值也包含在歸約中。

self、index 和 src 都應該具有相同的維度數。此外，要求對於所有維度 d，index.size(d) <= src.size(d)；對於所有維度 d != dim，要求 index.size(d) <= self.size(d)。注意 index 和 src 不支援廣播。

對於一個 3-D 張量，當 reduce="sum" 且 include_self=True 時，輸出如下所示：

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

在 CUDA 裝置上使用張量時，此操作的行為可能不確定。有關詳細資訊，請參閱 可復現性。

注意

反向傳播僅在 src.shape == index.shape 時實現。

警告

此函式目前處於 Beta 階段，在不久的將來可能會有所更改。

引數

• dim (int) – 進行索引的軸

• index (LongTensor) – 要散射和歸約的元素的索引。

• src (Tensor) – 要散射和歸約的源元素

• reduce (str) – 對非唯一索引應用的歸約操作（"sum"、"prod"、"mean"、"amax"、"amin"）

• include_self (bool) – self 張量中的元素是否包含在歸約中

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.])