torch.scatter与torch_scatter库使用整理

最近在做图结构相关的算法，scatter能把邻接矩阵里的信息修改，或者把邻居分组算个sum或者reduce，挺方便的，简单整理一下。

torch.scatter 与 tensor._scatter

Pytorch自带的函数，用来将作为src的tensor根据index的描述填充到input中，形式如下：

ouput = torch.scatter(input, dim, index, src)
# 或者是
input.scatter_(dim, index, src)

两个方法的功能是相同的，而带下划线的_scatter方法是将原tensor input直接修改了，不带的则会返回一个新的tensor output，input不变。

其中dim决定index对应值是沿着哪个维度进行修改。而src为数据来源，当其为tensor张量时，shape要和index相同，这样index中每个元素都能对应src中对应位置的信息。

理解scatter方法主要是要理解index实现的src和input之间的位置对应关系，举个例子：

dim = 0
index = torch.tensor(
	[[0, 2, 2], 
	[2, 1, 0]]
)

dim为0时，遵循的映射原则为：input[index[i][j]][j] = src[i][j].
也就是说，将位置 (i, j) 中dim对应的位置改为 index[i][j] 的值。如位置(1,0)，index[1][0]为2，则映射后的位置为(2,0)，意味着input中(2,0)的位置被更改为src中(1,0)位置的值。

我个人形象理解是这些值会沿着dim方向滑动，上面例子中src[1][0]位置的值滑到2，成为input中的新值，这样理解起来更形象一点。

基本理解了上面这个例子，多维情况和不同dim的情况都可以类推了。

需要注意：src和input的dtype需要相同，不然会报Expected self.dtype to be equal to src.dtype，不一样就先转换再使用。

t = torch.arange(6).view(2, 3)
t = t.to(torch.float32)
print(t)

output = torch.scatter(torch.zeros((3