torch.Tensor.scatter_reduce_

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

Производит уменьшение всех значений из тензора src до индексов, указанных в тензоре index в тензоре self с применением операции уменьшения, определённой аргументом reduce ("sum", "prod", "mean", "amax", "amin"). Для каждого значения в src, оно уменьшается до индекса в self, который определяется его индексом в src для dimension != dim и соответствующим значением в index для dimension = dim. Если include_self="True", значения в тензоре self включаются в уменьшение.

self, index и src должны иметь одинаковое количество измерений. Также требуется, чтобы index.size(d) <= src.size(d) для всех измерений d, и что index.size(d) <= self.size(d) для всех измерений d != dim. Обратите внимание, что index и src не транслируются.

Для 3-мерного тензора с reduce="sum" и include_self=True вывод предоставляется как:

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

Примечание

Эта операция может вести себя непредсказуемо при использовании тензоров на устройстве CUDA. См. Воспроизводимость для получения дополнительной информации.

Примечание

Обратный проход реализован только для src.shape == index.shape.

Предупреждение

Эта функция находится в стадии бета-тестирования и может измениться в ближайшем будущем.

Параметры:

• dim (int) – ось для индексирования
• index (LongTensor) – индексы элементов для рассеивания и уменьшения.
• src (Tensor) – исходные элементы для рассеивания и уменьшения
• reduce (str) – операция уменьшения, применяемая к не уникальным индексам ("sum", "prod", "mean", "amax", "amin")
• include_self (bool) – следует ли включать элементы из тензора self в уменьшение

Пример:

>>> 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.])