看圖說話，如何搞懂torch.sactter_()，用于散列數組及獨熱編碼One-hot

torch.sactter_()的用法簡析

明天就要開周會了，今天我的ppt和内容都還沒有做，集中注意力學習了一下

scatter_()

函數，弄清了二維和獨熱編碼是的工作原理。

如果你經常看到類似下面的東西：

y_vec_ = torch.zeros((self.batch_size, self.class_num)).scatter_(1, y_.type(torch.LongTensor).unsqueeze(1), 1)
           

經常性的感覺到困惑，檢視官方文檔，不知道内在如何操作，檢視部落格，一大堆照抄的内容，标點符号都沒有改。今天我可以講清楚 二維

torch tensor

結構的内容。

官方函數： 将src中的所有值按照index确定的索引寫入本tensor中。其中索引是根據給定的dimension，dim按照gather()描述的規則來确定。

注意，index的值必須是在_0_到_(self.size(dim)-1)_之間，

scatter_(input, dim, index, src) → Tensor
           

參數： - input (Tensor)-源tensor - dim (int)-索引的軸向 - index (LongTensor)-散射元素的索引指數 - src (Tensor or float)-散射的源元素。

部落格上，大家一上來，就列出三維torch scatter 的形式化表示，這個有點誇張！二維先搞定，三維慢慢就會明白，雖然我現在也不懂三維，但是平時用的少

這裡才是正經内容

借用官方例程

>>> x = torch.rand(2, 5)
>>> x

 0.4319  0.6500  0.4080  0.8760  0.2355
 0.2609  0.4711  0.8486  0.8573  0.1029
[torch.FloatTensor of size 2x5]

>>> 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]

>>> z = torch.zeros(2, 4).scatter_(1, torch.LongTensor([[2], [3]]), 1.23)
>>> z

 0.0000  0.0000  1.2300  0.0000
 0.0000  0.0000  0.0000  1.2300
[torch.FloatTensor of size 2x4]
           

看圖說話：

dim=0，可以了解為，固定列。圖檔從上往下看，順着五個小箭頭看

下圖說明

index = torch.LongTensor([[0, 1, 2, 0, 0], [2, 0, 0, 1, 2]])
src = x = torch.rand(2, 5)
           

• 将 數組

  index

  的每一行分别對應 數組

  x

  的每一行，如下圖所示：

  

• 固定每一列，

  index

  的元素值，作為結果行号，

  index

  每一個元素下面對應的

  x

  的元素值，為值，傳遞到結果數組中。

  第一行

  

  第二行

  

• 兩行内容合并（每一行的結果相當于一個數組，兩個數組相加）

  

結果的形式化依據，可以參考照片部落格，位址

獨熱編碼

放兩張圖。

• dim=1

• dim=0