本系列教程適用于沒有任何pytorch的同學（簡單的python語法還是要的），從代碼的表層出發挖掘代碼的深層含義，理解具體的意思和內涵。pytorch的很多函數看著非常簡單，但是其中包含了很多內容，不了解其中的意思就只能【看懂代碼】，無法【理解代碼】。

官方定義

torch.tensor.scatter_是PyTorch中的一個函數，用于將指定索引處的值替換為給定的值。

函數定義：

Tensor.scatter_(dim, index, src, reduce=None) → Tensor

官方解釋：

• 將張量src中的所有值寫入索引張量中指定的index處的self。

• 對于src中的每個值，它的輸出索引由其在src中的索引(dimension != dim)和在index中對應的值(dimension = dim)指定。

非常難以理解，十分抽象，從我個人的角度來說就是：

• 第一個參數dim表示維度，即在第幾維度處理數據，保持其它維度不變。
• reduce參數是一個可選參數，用于指定如何在執行散射（scatter）操作時對重復的索引值進行合并或聚合。
• index則是需要填充的列的索引，即根據維度從src中取對應的值填充到tensor中去。

怎么映射的，比如一個一個3維張量：

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

官方的文檔如下，TORCH.TENSOR.SCATTER_:

即使如此理解起來也是很復雜，下面從例子中去理解：

demo

下面是一個官方文檔給出的例子：

import torchsrc = torch.Tensor([[-1.0276,  0.2673, -1.1752, -0.8823],[-0.6447, -0.8256,  0.1542, -0.4242]])
print(src)output = torch.zeros(2, 5)
index = torch.tensor([[3, 1, 2, 0], [1, 2, 0, 3]])output = output.scatter(1, index, src)
print(output)

輸出的結果：

我們一步步理解代碼：

1. 首先，定義了一個src張量，后續output即從src中取值。
2. 其次，定義了output，其值為二行五列的全零張量，后續對output進行修改。
3. 接著，定義了index，即從src取值的索引。
4. 最后，根據index從src取值填充到output中，即完成操作。

那么具體是如何取值的呢？

首先，dim = 1，意味著從維度值為1的地方取值，維度值為0的地方不變，那就是：

self[i][index[i][j]] = src[i][j]  # if dim == 1

具體來說：

當i = 0, j = 0時，output[0][index[0][0]] = src[0][0]，因為index[0][0] = 3，所以output[0][3] = src[0][0] = -1.0276，這時候我們檢查輸出的output值，確實是-1.0276。

同理：

i = 0, j = 1: output[0][index[0][1]] = output[0][1] = src[0][1] = 0.2673

i = 0, j = 2: output[0][index[0][2]] = output[0][2] = src[0][2] = -1.1752

one-hot

作者在學習該函數時實在遇到one-hot編碼時遇到的，而該函數在one-hot中應用很廣：

index = torch.tensor([[3], [2], [0], [1]])
onehot = torch.zeros(4, 4)
onehot.scatter_(1, index, 1)
print(onehot)