scatter¶
通过基于 updates
来更新选定索引 index
上的输入来获得输出。具体行为如下:
import numpy as np #input: x = np.array([[1, 1], [2, 2], [3, 3]]) index = np.array([2, 1, 0, 1]) # shape of updates should be the same as x # shape of updates with dim > 1 should be the same as input updates = np.array([[1, 1], [2, 2], [3, 3], [4, 4]]) overwrite = False # calculation: if not overwrite: for i in range(len(index)): x[index[i]] = np.zeros((2)) for i in range(len(index)): if (overwrite): x[index[i]] = updates[i] else: x[index[i]] += updates[i] # output: out = np.array([[3, 3], [6, 6], [1, 1]]) out.shape # [3, 2]
Notice: 因为 updates
的应用顺序是不确定的,因此,如果索引 index
包含重复项,则输出将具有不确定性。
参数¶
x (Tensor) - ndim> = 1 的输入 N-D 张量。数据类型可以是 float32,float64。
index (Tensor)- 一维 Tensor。数据类型可以是 int32,int64。
index
的长度不能超过updates
的长度,并且index
中的值不能超过输入的长度。updates (Tensor)- 根据
index
使用update
参数更新输入x
。形状应与输入x
相同,并且 dim>1 的 dim 值应与输入x
相同。overwrite (bool,可选)- 指定索引
index
相同时,更新输出的方式。如果为 True,则使用覆盖模式更新相同索引的输出,如果为 False,则使用累加模式更新相同索引的输出。默认值为 True。name (str,可选) - 具体用法请参见 Name,一般无需设置,默认值为 None。
返回¶
Tensor,与 x 有相同形状和数据类型。
代码示例¶
import paddle
import numpy as np
x_data = np.array([[1, 1], [2, 2], [3, 3]]).astype(np.float32)
index_data = np.array([2, 1, 0, 1]).astype(np.int64)
updates_data = np.array([[1, 1], [2, 2], [3, 3], [4, 4]]).astype(np.float32)
x = paddle.to_tensor(x_data)
index = paddle.to_tensor(index_data)
updates = paddle.to_tensor(updates_data)
output1 = paddle.scatter(x, index, updates, overwrite=False)
# [[3., 3.],
# [6., 6.],
# [1., 1.]]
output2 = paddle.scatter(x, index, updates, overwrite=True)
# CPU device:
# [[3., 3.],
# [4., 4.],
# [1., 1.]]
# GPU device maybe have two results because of the repeated numbers in index
# result 1:
# [[3., 3.],
# [4., 4.],
# [1., 1.]]
# result 2:
# [[3., 3.],
# [2., 2.],
# [1., 1.]]