torch.scatter函数详解

#torch.scatter函数官方解释

scatter(output, dim, index, src) → Tensor

Writes all values from the tensor src into self at the indices specified in the index tensor. For each value in src, its output index is specified by its index in src for dimension != dim and by the corresponding value in index for dimension = dim.

For a 3-D tensor, self is updated as:

output[index[i][j][k]][j][k] = src[i][j][k] # if dim == 0
output[i][index[i][j][k]][k] = src[i][j][k] # if dim == 1
output[i][j][index[i][j][k]] = src[i][j][k] # if dim == 2

This is the reverse operation of the manner described in gather().

self, index and src (if it is a Tensor) should have same number of dimensions. It is also required that index.size(d) <= src.size(d) for all dimensions d, and that index.size(d) <= self.size(d) for all dimensions d != dim.

Moreover, as for gather(), the values of index must be between 0 and self.size(dim) - 1 inclusive, and all values in a row along the specified dimension dim must be unique.

Parameters

dim (int) – the axis along which to index
index (LongTensor) – the indices of elements to scatter, can be either empty or the same size of src. When empty, the operation returns identity
src (Tensor) – the source element(s) to scatter, incase value is not specified
value (float) – the source element(s) to scatter, incase src is not specified

总结：scatter函数就是把src数组中的数据重新分配到output数组当中，index数组中表示了要把src数组中的数据分配到output数组中的位置，若未指定，则填充0.

#通过例子理解函数

import torchinput = torch.randn(2, 4)
print(input)
output = torch.zeros(2, 5)
index = torch.tensor([[3, 1, 2, 0], [1, 2, 0, 3]])
output = output.scatter(1, index, input)
print(output)#得到输出
tensor([[-0.2558, -1.8930, -0.7831,  0.6100],[ 0.3246,  2.1289,  0.5887,  1.5588]])tensor([[ 0.6100, -1.8930, -0.7831, -0.2558,  0.0000],[ 0.5887,  0.3246,  2.1289,  1.5588,  0.0000]])

建议从input数组出发，结合官方给出的位置替换进行理解。

数据位置发生的变化都是在第1维上，第0维不变。若dim=0，则同理变换input第一维的下标。

input[0][0] = output[0][index[0][0]] = output[0][3]
input[0][1] = output[0][index[0][1]] = output[0][1]
input[0][2] = output[0][index[0][2]] = output[0][2]
input[0][3] = output[0][index[0][3]] = output[0][0]
Input[1][0] = output[1][index[1][0]] = output[1][1]
input[1][1] = output[1][index[1][1]] = output[1][2]
input[1][2] = output[1][index[1][2]] = output[1][0]
input[1][3] = output[1][index[1][3]] = output[1][3]

一般scatter用于生成onehot向量，如下所示：

index = torch.tensor([[1], [2], [0], [3]])
onehot = torch.zeros(4, 4)
onehot.scatter_(1, index, 1)
print(onehot)#输出
tensor([[0., 1., 0., 0.],[0., 0., 1., 0.],[1., 0., 0., 0.],[0., 0., 0., 1.]])#如果input是一个数字的话，代表这用于分配到output的数字是多少。

torch.scatter函数详解相关推荐

Torch.arange函数详解
torch.arange函数详解官方文档:torch.arange 函数原型 arange(start=0, end, step=1, *, out=None, dtype=None, layout ...
【Pytorch】torch.argmax 函数详解
文章目录一.一个参数时的 torch.argmax 函数 1. 介绍 2. 实例二.多个参数时的 torch.argmax 函数 1. 介绍 2. 实例实例1:二维矩阵实例2:三维矩阵实例3 ...
torch.flatten()函数详解
自己的理解: 介绍torch.flatten()函数的具体使用方法1.首先创建一个三维张量2.调用torch.flatten()函数 import torchx = torch.randn(2, 3, ...
Pytorch的scatter函数详解
文章目录前言 1.官方文档解释 2.举个例子总结前言在看FCOS算法源码时,发现获取正样本点用到了scatter这个函数,故记录下. 1.官方文档解释先贴出链接:scatter官方解读 ...
【Torch API】pytorch 中torch.ones_like和torch.zeros_like函数详解
torch.ones_like函数和torch.zeros_like函数的基本功能是根据给定张量,生成与其形状相同的全1张量或全0张量,示例如下: input = torch.rand(2, 3) p ...
torch.zeros() 函数详解
torch.zeros()函数返回一个形状为为size,类型为torch.dtype,里面的每一个值都是0的tensor torch.zeros(*size, out=None, dtype=Non ...
PyTorch中torch.norm函数详解
torch.norm() 是 PyTorch 中的一个函数,用于计算输入张量沿指定维度的范数.具体而言,当给定一个输入张量 x 和一个整数 p 时,torch.norm(x, p) 将返回输入张量 x ...
torch.topk() 函数详解
作用: 返回列表中最大的n个值例子1:m=torch.arange(0,10) print(m.topk(3)) torch.return_types.topk( val ...
scatter函数详解
原作者地址https://blog.csdn.net/qiu931110/article/details/68130199

torch.scatter函数详解

torch.scatter函数详解相关推荐

最新文章

热门文章