torch.scatter看图理解

torch.Tensor.scatter 有 4 个参数：

scatter(dim, index, src, reduce=None)

先忽略 Reduce，最后再解释。先从最简单的开始。我们有一个 (2,4) 形状的张量，里面填充了 1：

粉红色的符号表示张量结构

并且我们传入相应的参数并得到输出：

注意index张量结构

现在我们增加index张量的第二个值，并比较输出：

观察数字 6 在output张量中的移动情况

好的，数字 6 由index张量内的第二个值控制。但是，如何控制呢？

以下是幕后发生的事情。

首先，我们将index形状扩展为与 src 相同的形状：

它实际上不需要扩展。但这将有助于我们理解

如果 index 中有值，则从 src 中提取相应的值。
如果没有值，则不执行任何操作。

这里有 0 和 3，因此提取 5 和 6：

这意味着index的结构必须是 src 的子结构。否则，你将收到错误：

蓝色数字是提取的数字

你可以从官方文档中找到此属性的介绍：

# scatter
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

请注意， [i][j][k] 用于对 index 和 src 进行切片。

现在，回到原始示例，我们提取了 5 和 6。5 和 6 放在哪里？答案是：0 和 3。

将 5 放到 0，将 6 放到 3

“放入 0” 和 “放入 3” 是什么意思？ dim 参数会告诉我们。 在我们的例子中， dim=1 ， 表示索引将用于切分张量的列，即上图中的蓝色箭头。

那么行呢？ 与 5 和 6 相同：

你可以这样想：

• 我们从 src 中得到 5 和 6。
• 5 在 src 中的位置为 (0,0)。6 在 src 中的位置为 (0,1)。
• dim=1 ，因此将使用 0 和 3 分别替换 (0,0) 和 (0,1) 的“第零”值。
• 将 5 的 (0,0) 替换为 (0,0)。将 6 的 (0,1) 替换为 (0,3)。
• 5 在 tensor 中的位置为 (0,0)。6 在 tensor 中的位置为 (0,3)。
• tensor[0][0] = src[0][0] , tensor[0][3] = src[0][1]

因此，你可以想象为什么当索引为  [[0,0]] 时我们只得到一个 6。该单元格更新了两次，从 1 到 5，从 5 到 6：

tensor[0][0] = src[0][0] , tensor[0][0] = src[0][1]

如果 dim=0 会怎么样？我们来试试。

• 我们从 src 中得到 5 和 6。
• 5 在 src 中的位置为 (0,0)。6 在 src 中的位置为 (0,1)。
• dim=0，因此 0 和 3（来自索引）将分别用于替换 (0,0) 和 (0,1) 的“第零”值。
• 将 5 的 (0,0) 替换为 (0,0)。将 6 的 (0,1) 替换为 (3,1)。
• 5 在张量中位于 (0,0)。6 在张量中位于 (3,1)。
• tensor[0][0] = src[0][0] , tensor[3][1] = src[0][1]
• tensor[3][1] 出现越界错误。

看下面的图，提取的箭头解释了它是如何工作的。

1、逆向思维

现在逆向思考，我们只有输入和输出，我们如何设置参数才能得到想要的结果？

这是我们的input张量：

我们希望通过调用 scatter 方法获得以下output张量：

如果 dim=0，我们将沿行方向切片：

输出中的两个 6 来自 src，它们是根据索引中的非空值提取的。因此，src 需要至少包含两个 6：

并且index至少应为：

我们不能将 ? 在index中留空，它们必须是一个值。我们现在只有两个选项：0 和 1，因为输入张量只有两行。如果我们将 ? 放入 src 中，则得到：

如果我们放入 0，我们会得到：

在这两种情况下，src 中的 ? 必须为 1，否则我们将无法获得所需的输出。

如果 dim=1，且输入和输出相同，会怎么样？

我们沿着列进行切片，因此index内的值可以从 0 到 3 变化。我们想要将输入的第 1 列和第 3 列更改为 6，因此index和 src 应该是：

看！多么优雅啊！与 dim=0 的情况相比，这是一个更好的选择。我们不需要将 1 填入 src。

通常，选择一种让我们的参数依赖于输出值的方法不是一个好主意，dim=1 不会使用这种情况。

回想一下，index和 src 之间的关系是提取。PyTorch 将根据索引的结构从 src 中提取值。这意味着，src 有多大并不重要，只要 PyTorch 可以从中提取值即可。也就是说，以下选择也有效：

只有当索引太大时才会出现错误。

2、Reduce

终于到了最后一部分，reduce 参数有三个选项：None、add、multiply，如果是 add，赋值就会变成 add and replace，如果是 multiply，赋值就会变成 multiply and replace，很简单很容易理解吧？

---

原文链接：torch.scatter 深入理解 - BimAnt