Pytorch 张量的scatter_add_方法介绍

torch.Tensor.scatter_add_ 是 PyTorch 中的一个原地操作（in-place operation），用于将一个源张量（ src ）中的值根据指定的索引（ index ）累加到目标张量（ self ）中。它常用于分布式计算、加权聚合以及自定义深度学习层等场景。

函数签名

Tensor.scatter_add_(dim, index, src) → Tensor

参数说明

1. dim (int) ：指定沿着哪个维度进行索引和累加。
2. index (LongTensor) ：一个整数类型的张量，包含要累加的索引位置。 index 的形状应与 src 相同，除了指定的维度 dim 。
3. src (Tensor) ：源张量，包含要累加到目标张量的值。

功能

scatter_add_ 会根据 index 中的索引，将 src 中的值累加到目标张量 self 的指定位置。对于每个值，其目标位置由 index 指定，而其他维度的位置由其在 src 中的位置决定。

操作逻辑

对于一个三维张量， scatter_add_ 的更新规则如下：

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

示例

以下是一个简单的二维张量示例：

Python复制

import torch

# 初始化目标张量
input_tensor = torch.zeros(3, 5)

# 源张量
src = torch.tensor([[1, 2, 3, 4, 5], [6, 7, 8, 9, 10]], dtype=torch.float32)

# 索引张量
index = torch.tensor([[0, 1, 2, 0, 0], [2, 0, 0, 1, 2]], dtype=torch.long)

# 沿着维度 0 进行累加
input_tensor.scatter_add_(0, index, src)

print(input_tensor)

输出：

tensor([[ 1.,  2.,  3.,  4.,  5.],
        [ 0.,  7.,  0.,  9.,  0.],
        [ 6.,  0.,  8.,  0., 10.]])

详细解析

1. 目标张量 ： input_tensor 是一个形状为 (3, 5) 的零张量。

2. 源张量 ： src 是一个形状为 (2, 5) 的张量，包含要累加的值。

3. 索引张量 ： index 是一个形状为 (2, 5) 的整数张量，指定 src 中的值应该累加到 input_tensor 的哪些位置。

4. 累加操作 ：

   • scatter_add_ 沿着维度 0 进行操作。

   • index 中的每个值指定了 src 中对应值的目标位置。

   • 例如：

     • index[0, 0] = 0 ，表示 src[0, 0] = 1 应该累加到 input_tensor[0, 0] 。
     • index[1, 1] = 0 ，表示 src[1, 1] = 7 应该累加到 input_tensor[0, 1] 。

注意事项

1. 形状要求 ：

   • index 和 src 的形状必须与目标张量 self 的形状兼容。
   • index.size(d) <= src.size(d) 对所有维度 d 成立。
   • index.size(d) <= self.size(d) 对所有维度 d != dim 成立。

2. 非确定性行为 ：

   • 在 CUDA 设备上， scatter_add_ 的行为可能是非确定性的。

3. 反向传播 ：

   • 反向传播仅在 src.shape == index.shape 时实现。

4. 原地操作 ：

   • scatter_add_ 是一个原地操作，会直接修改目标张量 self 。

总结

torch.Tensor.scatter_add_ 是一个强大的工具，用于将源张量中的值根据索引累加到目标张量中。它在处理稀疏更新和聚合操作时非常有用，尤其适合需要在特定位置累加值的场景。