torch.Tensor.scatter_reduce_

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

使用透過 reduce 參數定義的縮減方法 ( "sum"、"prod"、"mean"、"amax"、"amin" )，將 src 張量中的所有值縮減到 self 張量中由 index 張量指定的索引。對於 src 中的每個值，它會被縮減到 self 中的一個索引，該索引由其在 src 中的索引指定，當 dimension != dim 時，以及由 index 中的相應值指定，當 dimension = dim 時。如果 include_self="True"，則 self 張量中的值也會被包含在縮減中。

self、index 和 src 應具有相同的維度數。 也需要對於所有維度 d，index.size(d) <= src.size(d)，並且對於所有維度 d != dim，index.size(d) <= self.size(d)。請注意，index 和 src 不會進行廣播 (broadcast)。

對於具有 reduce="sum" 和 include_self=True 的 3 維張量，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

當在 CUDA 裝置上給定張量時，此操作可能會表現出不確定性。 有關更多資訊，請參閱再現性。

注意

僅針對 src.shape == index.shape 實作反向傳播。

警告

此函數處於 beta 階段，在不久的將來可能會發生變化。

參數

• dim (int) – 沿其進行索引的軸

• index (LongTensor) – 要分散和縮減的元素的索引。

• src (Tensor) – 要分散和縮減的來源元素

• reduce (str) – 應用於非唯一索引的縮減運算 ("sum"、"prod"、"mean"、"amax"、"amin")

• include_self (bool) – 是否將 self 張量中的元素包含在縮減中

範例

>>> 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.])