pytorch函數之scatter()和scatter_()

前言

這兩個函數，其實本來有一個大佬寫的比較清楚了，但是說實話，總是給忘具體使用細節。我還是自己寫一個更清晰的吧。

官方文檔

scatter_()

scatter_(input, dim, index, src) → Tensor

其實這樣寫會造成迷惑，建議這麼按下面的理解：
理解

input.scatter_(dim, index, src) → Tensor

• input: 我們需要插入數據的起源tensor；也就是想要改變內部數據的tensor
• dim：我們想要從哪個維度去改input數據
• index：給出改的元素索引，也就是位置，說在“座標”可能好理解一點。
• src：準備好的插入的數據。

重點

1. scatter()和scatter_()都是一個東西；舉例如下

區別：是否改變input：

# 準備數據
_input = torch.rand(2,3)
src = 3
# _input  →  
tensor([[0.8648, 0.0797, 0.5591],
        [0.0143, 0.9793, 0.5106]])
  
 '1.使用scatter()'
 _input.scatter_(0, torch.tensor([[0, 1, 0], [1, 0, 1]]), src)
 #output　→　
 tensor([[3., 3., 3.],
        [3., 3., 3.]])
# 檢查_input是否被改變
'發現 _input 被改變了'
tensor([[3., 3., 3.],
        [3., 3., 3.]])
    
 '2.使用scatter_()，你會發現_input沒有改變'
 # output → 
 tensor([[0.8648, 0.0797, 0.5591],
        [0.0143, 0.9793, 0.5106]])

2. 再來說說最難理解的index。

# 首先確定數據
# _input  →  
tensor([[0.8648, 0.0797, 0.5591],
        [0.0143, 0.9793, 0.5106]])
 # index →
 torch.tensor([[0, 1, 0], [1, 0, 1]])
 # src →
 3

第一點：以上面爲例：

• dim=0時候，必須index的dim=0爲3：你看上面的index是torch.tensor([[0, 1, 0], [1, 0, 1]])，len([0,1,0])是不是3。
• dim=1時候，必須index在dim=1的位置等於2。

你們可以試試不改index，只更改裏面的dim測試一下

第二點： index裏面的元素必須是整數，大小必須在0到(index.size(dim)-1)

• dim=0：index.size(0)爲2，元素必須在0到1，因此裏面元素都是0和1。
• dim=1 : 同理，index.size(1)爲3， 裏面元素必須在小於3.

第三點：index是有它的套路的。很頭疼。
通常來說，對於二維的input

• dim=0

src[i][j] = input[index[i][j]][j]

還是按上面的例子。

• dim=1

src[i][j] = input[i][index[i][j]]

算了，回頭再講，這個已經花我2小時了，我還得改文章。。。