mindspore.mint.scatter_add

mindspore.mint.scatter_add(input, dim, index, src)[源代码]

src 中所有的元素添加到 inputindex 指定的索引处。 其中 dim 控制scatter_add操作的轴。 inputindexsrc 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 - inputindexsrc 中,任意一者的rank小于1。

  • ValueError - input, indexsrc 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.]]