scatter_nd_add

paddle. scatter_nd_add ( x, index, updates, name=None ) [源代码]

该OP通过对Tensor中的单个值或切片应用稀疏加法，从而得到输出的Tensor。

x 是维度为 R 的张量。 index 是维度为 K 的张量。因此， index 的形状是

scatter_nd_add - 图1

，其中

scatter_nd_add - 图2

。updates 是一个维度为

scatter_nd_add - 图3

的张量，它的形状是 index.shape[:−1]+x.shape[index.shape[−1]:]index.shape[:−1]+x.shape[index.shape[−1]:] 。

根据 index 的 [i0,i1,…,iK−2][i0,i1,…,iK−2] 得到相应的 updates 切片，将其加到根据 index 的最后一维得到 x 切片上，从而得到最终的输出张量。

示例：

  1. - 案例 1:
  2.     x = [0, 1, 2, 3, 4, 5]
  3.     index = [[1], [2], [3], [1]]
  4.     updates = [9, 10, 11, 12]
  6.   得到:
  8.     output = [0, 22, 12, 14, 4, 5]
  10. - 案例 2:
  11.     x = [[65, 17], [-14, -25]]
  12.     index = [[], []]
  13.     updates = [[[-1, -2], [1, 2]],
  14.                [[3, 4], [-3, -4]]]
  15.     x.shape = (2, 2)
  16.     index.shape = (2, 0)
  17.     updates.shape = (2, 2, 2)
  19.   得到:
  21.     output = [[67, 19], [-16, -27]]

参数：

  • x (Tensor) - 输入张量，数据类型可以是float32，float64。

  • index (Tensor) - 输入的索引张量，数据类型为非负int32或非负int64。它的维度 index.ndim 必须大于1，并且 index.shape[-1] <= x.ndim

  • updates (Tensor) - 输入的更新张量，它必须和 x 有相同的数据类型。形状必须是 index.shape[:-1] + x.shape[index.shape[-1]:] 。

  • name (string) - 该层的名字，默认值为None，表示会自动命名。

返回：数据类型和形状都与 x 相同的Tensor。

返回类型：Tensor

代码示例：

  1. import paddle
  2. import numpy as np
  3. x = paddle.rand(shape=[3, 5, 9, 10], dtype='float32')
  4. updates = paddle.rand(shape=[3, 9, 10], dtype='float32')
  5. index_data = np.array([[1, 1],
  6.                         [0, 1],
  7.                         [1, 3]]).astype(np.int64)
  8. index = paddle.to_tensor(index_data)
  9. output = paddle.scatter_nd_add(x, index, updates)