torch_scatter.scatter()的使用方法

学习目标：

在学习PyG时，遇到了 scatter 这个函数，经过学习加上自身的理解，记录如下以备复习

---

学习内容：

• src：表示输入的tensor，接下来被处理；
• index：表示tensor对应的索引；
• dim：该值取0或者1（-1），默认是1；当dim=0时，表示从行进行分割成元素；当dim=1时，表示从列进行分割成元素。
• reduce：表示对应的操作

具体操作如下：

例子1

from torch_scatter import scatter
src = torch.Tensor([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) 
index = torch.tensor([0, 0, 1], dtype=torch.int64)
out = scatter(src, index, dim=0, reduce='mean')
print(out)

1.首先是dim=0表示对输入的tensor进行行分割：[1,2,3],[4,5,6],[7,8,9]。
2.索引index=[0,0,1]表示处理的顺序：第一行元素和第二行元素进行处理，再是第三行的元素进行进行。对第一行元素[1,2,3]和第二行元素[4,5,6]进行reduce='mean'得到[2.5,3.5,4.5]，对第三行元素[7,8,9]进行reduce='mean'得到[7,8,9].

例子2

from torch_scatter import scatter
src = torch.Tensor([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) 
index = torch.tensor([0, 0, 1], dtype=torch.int64)
out = scatter(src, index, dim=1, reduce='mean')
print(out)

1.首先dim=1表示对输入的tensor进行列向分割元素[1,4,7]、[2,5,8]和[3,6,9]。
2.索引index=[0,0,1]表示将[1,4,7]和[2,5,8]首先进行reduce='mean'操作得到[1.5,4.5,7.5];[3,6,9]进行reduce=mean操作后仍为[3,6,9]，接着将其进行列向拼接。

例子3–维度问题

from torch_scatter import scatter
src = torch.Tensor([[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]])  
index = torch.tensor([1, 1, 0,2], dtype=torch.int64)
out = scatter(src, index, dim=0, reduce='mean')
print(out)

1.dim=0表示从行向进行分割
[1,2,3]
[4,5,6]
[7,8,9]
[10,11,12]
2.索引index=[1,1,0,2]，从索引可以看出顺序为[7,8,9]——[1,2,3]和[4,5,6]——[10,11,12]，分别进行reduce='mean'操作得到[7,8,9]——[2.5,3.5,4.5]——[10,11,12]三个tensor，然后进行行向拼接。

---