scatter_(input, dim, index, src)將src中資料根據index中的索引按照dim的方向填進input中.
1) dim = 0，分別對每列填充：1 >>> x = torch.rand(2, 5)2 >>> x
3 4 0.4319 0.6500 0.4080 0.8760 0.2355
5 0.2609 0.4711 0.8486 0.8573 0.1029
6 [torch.floattensor of size 2x5]
實現原理：>>> torch.zeros(3, 5).scatter_(0, torch.longtensor([[0, 1, 2, 0, 0], [2, 0, 0, 1, 2]]), x)0.4319 0.4711 0.8486 0.8760 0.2355
0.0000 0.6500 0.0000 0.8573 0.0000
0.2609 0.0000 0.4080 0.0000 0.1029
[torch.floattensor of size 3x5]
對於lonetensor內的矩陣，暫且稱為 tmp = [[0, 1, 2, 0, 0], [2, 0, 0, 1, 2]]；將最終的 3*5的矩陣，暫且稱為result。result初始為全0，需要經過scatter_處理。
舉例：對於tmp[0][0] = 0 -> 取x中x[0][0] = 0.4319，將其插入到result第0列的第0個位置，result[0][0] = 0.4319；
對於tmp[0][1] = 1 -> 取x中x[0][1] = 0.6500，將其插入到result第1列的第1個位置，result[1][1] = 0.6500；
對於tmp[0][2] = 2 -> 取x中x[0][1] = 0.4080，將其插入到result第2列的第2個位置，result[2][2] = 0.4080；
對於tmp[1][0] = 2 -> 取x中x[1][0] = 0.2609，將其插入到result第0列的第2個位置，result[2][0] = 0.2609；
對於tmp[1][1] = 0 -> 取x中x[1][1] = 0.4711，將其插入到result第1列的第0個位置，result[0][1] = 0.4711。
2) dim = 1，分別對每行填充
tmp = [[2], [3]]1 >>> z = torch.zeros(2, 4).scatter_(1, torch.longtensor([[2], [3]]), 1.23)2 >>> z
3 4 0.0000 0.0000 1.2300 0.0000
5 0.0000 0.0000 0.0000 1.2300
6 [torch.floattensor of size 2x4]
tmp[0][0] = 2 -> 取x中x[0][0] = 0.4319，將其插入到result第0行的第2個位置，result[0][2] = 0.4319；
pytorch 中，一般函式加下劃線代表直接在原來的 tensor 上修改scatter(dim, index, src) 的引數有 3 個
這個 scatter 可以理解成放置元素或者修改元素簡單說就是通過乙個張量 src 來修改另乙個張量，哪個元素需要修改、用 src 中的哪個元素來修改由 dim 和 index 決定
官方文件給出了 3維張量 的具體操作說明，如下所示
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
x = torch.rand(2, 5)
#tensor([[0.1940, 0.3340, 0.8184, 0.4269, 0.5945],
# [0.2078, 0.5978, 0.0074, 0.0943, 0.0266]])
torch.zeros(3, 5).scatter_(0, torch.tensor([[0, 1, 2, 0, 0], [2, 0, 0, 1, 2]]), x)
#tensor([[0.1940, 0.5978, 0.0074, 0.4269, 0.5945],
# [0.0000, 0.3340, 0.0000, 0.0943, 0.0000],
# [0.2078, 0.0000, 0.8184, 0.0000, 0.0266]])
我們是 2維 張量，一開始進行 self[index[0][0]][0]self[index[0][0]][0]，其中 index[0][0]index[0][0] 的值是0，所以執行 self[0][0]=x[0][0]=0.1940self[0][0]=x[0][0]=0.1940
src 除了可以是張量外，也可以是乙個標量
example：
torch.zeros(3, 5).scatter_(0, torch.tensor([[0, 1, 2, 0, 0], [2, 0, 0, 1, 2]]), 7)
#tensor([[7., 7., 7., 7., 7.],
# [0., 7., 0., 7., 0.],
# [7., 0., 7., 0., 7.]]
example：
class_num = 10
batch_size = 4
label = torch.longtensor(batch_size, 1).random_() % class_num
#tensor([[6],
# [0],
# [3],
# [2]])
torch.zeros(batch_size, class_num).scatter_(1, label, 1)
#tensor([[0., 0., 0., 0., 0., 0., 1., 0., 0., 0.],
# [1., 0., 0., 0., 0., 0., 0., 0., 0., 0.],
# [0., 0., 0., 1., 0., 0., 0., 0., 0., 0.],
# [0., 0., 1., 0., 0., 0., 0., 0., 0., 0.]])
Pytorch 學習筆記
本渣的pytorch 逐步學習鞏固經歷，希望各位大佬指正，寫這個部落格也為了鞏固下記憶。a a b c 表示從 a 取到 b 步長為 c c 2 則表示每2個數取1個 若為a 1 1 1 即表示從倒數最後乙個到正數第 1 個 最後乙個 1 表示倒著取 如下 陣列的第乙個為 0 啊，第 0 個！彆扭 ...
Pytorch學習筆記
資料集 penn fudan資料集 在學習pytorch官網教程時，作者對penn fudan資料集進行了定義，並且在自定義的資料集上實現了對r cnn模型的微調。此篇筆記簡單總結一下pytorch如何實現定義自己的資料集 資料集必須繼承torch.utils.data.dataset類，並且實現 ...
PyTorch入門筆記
原教程 資料集csv 此處使用numpy來匯入，除此之外還可以使用csv和pandas匯入 資料集鏈結 import csv import numpy as np wine path data chapter3 winequality white.csv 路徑 wineq numpy np.load...