mindspore.Tensor.scatter_add_

mindspore.Tensor.scatter_add_(dim, index, src)[源代码]

将 src 中所有的元素添加到 self 中 index 指定的索引处（属于原地更新操作）。其中 dim 控制scatter add操作的轴。 self 、 index 、 src 三者的rank都必须大于或等于1。

下面看一个三维的例子：

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

参数：

dim (int) - self 执行scatter_add操作的轴。取值范围是[-r, r)，其中r是 self 的rank。
index (Tensor) - self 要进行scatter_add操作的目标索引。数据类型为int32或int64，rank必须和 self 一致。除了 dim 指定的维度， index 的每一维的size都需要小于等于 self 对应维度的size。
src (Tensor) - 指定与 self 进行scatter_add操作的Tensor，其数据类型与 self 类型相同，shape中每一维的size必须大于等于 index 。

返回：

Tensor，shape和数据类型与输入 self 相同。

异常：

TypeError - index 的数据类型不是int32或int64。
ValueError - self 、 index 和 src 中，任意一者的rank小于1。
ValueError - self、 index 和 src 的rank不一致。
ValueError - 除了 dim 指定的维度， index 的任意维的size大于 self 对应维度的size。
ValueError - src 任意维度size小于 index 对应维度的size。

支持平台：

Ascend

样例：

>>> import numpy as np
>>> import mindspore as ms
>>> from mindspore import Tensor
>>> input = Tensor(np.array([[1, 2, 3, 4, 5]]), dtype=ms.float32)
>>> src = Tensor(np.array([[8, 8]]), dtype=ms.float32)
>>> index = Tensor(np.array([[2, 4]]), dtype=ms.int64)
>>> out = input.scatter_add_(1, index, src)
>>> print(out)
[[1. 2. 11. 4. 13.]]
>>> input = Tensor(np.zeros((5, 5)), dtype=ms.float32)
>>> src = Tensor(np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]), dtype=ms.float32)
>>> index = Tensor(np.array([[0, 0, 0], [2, 2, 2], [4, 4, 4]]), dtype=ms.int64)
>>> out = input.scatter_add_(0, index, src)
>>> print(out)
[[1. 2. 3. 0. 0.]
[0. 0. 0. 0. 0.]
[4. 5. 6. 0. 0.]
[0. 0. 0. 0. 0.]
[7. 8. 9. 0. 0.]]
>>> input = Tensor(np.zeros((5, 5)), dtype=ms.float32)
>>> src = Tensor(np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]), dtype=ms.float32)
>>> index = Tensor(np.array([[0, 2, 4], [0, 2, 4], [0, 2, 4]]), dtype=ms.int64)
>>> out = input.scatter_add_(1, index, src)
>>> print(out)
[[1. 0. 2. 0. 3.]
[4. 0. 5. 0. 6.]
[7. 0. 8. 0. 9.]
[0. 0. 0. 0. 0.]
[0. 0. 0. 0. 0.]]