torch.Tensor.scatter_reduce_

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

将 src 张量中的所有值根据 index 张量中的索引在 self 张量中通过 reduce 参数定义的减法操作进行归约。对于 src 中的每个值，它被归约为一个索引 self ，该索引由 src 中的索引指定，并由 dimension != dim 中的对应值指定 index 。如果 include_self="True" ，则 self 张量中的值包含在归约中。

self 、 index 和 src 的所有维度都应该相同。还要求对于所有维度 d ， index.size(d) <= src.size(d) 都应相同，对于所有维度 d != dim ， index.size(d) <= self.size(d) 都应相同。注意， index 和 src 不能广播。

对于具有 reduce="sum" 和 include_self=True 的 3-D 张量，输出如下：

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

当在 CUDA 设备上给定张量时，此操作可能表现出非确定性。有关更多信息，请参阅可重现性。

注意

仅实现了 src.shape == index.shape 的反向传播。

警告

此函数处于测试阶段，未来可能会发生变化。

参数:

• dim（整数）- 指索引的轴

• 索引（LongTensor）- 要分散和减少的元素的索引。

• src（Tensor）- 要分散和减少的源元素。

• reduce（字符串）- 对于非唯一索引（ "sum" 、 "prod" 、 "mean" 、 "amax" 、 "amin" ）要应用的减少操作。

• include_self（布尔值）- 是否将 self 张量中的元素包含在缩减中

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.])