mindspore.mint.scatter_add
- mindspore.mint.scatter_add(input, dim, index, src)[源代码]
将 src 中所有的元素添加到 input 中 index 指定的索引处。 其中 dim 控制scatter_add操作的轴。 input 、 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:
input[index[i][j][k]][j][k] += src[i][j][k] # if dim == 0 input[i][index[i][j][k]][k] += src[i][j][k] # if dim == 1 input[i][j][index[i][j][k]] += src[i][j][k] # if dim == 2
- 参数:
input (Tensor) - 输入Tensor。rank必须大于等于1。
dim (int) - input 执行scatter_add操作的轴。取值范围是[-r, r),其中r是 input 的rank。默认值:
0
。index (Tensor) - input 要进行scatter_add操作的目标索引。数据类型为int32或int64,rank必须和 input 一致。除了 dim 指定的维度, index 的每一维的size都需要小于等于 input 对应维度的size。
src (Tensor) - 指定与 input 进行scatter_add操作的Tensor,其数据类型与 input 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 input 相同。
- 异常:
TypeError - index 的数据类型不满足int32或int64。
ValueError - input 、 index 和 src 中,任意一者的rank小于1。
ValueError - input, 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 input 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, mint >>> 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 = mint.scatter_add(input=input, dim=1, index=index, src=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 = mint.scatter_add(input=input, dim=0, index=index, src=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 = mint.scatter_add(input=input, dim=1, index=index, src=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.]]