与环和不同的PyTorch向量和
与环和不同的PyTorch向量和
提问于 2022-11-27 21:11:52
我使用torch 1.7.1，我注意到向量化和与循环中的和不同，如果重复这些指标。例如：
import torch
indices = torch.LongTensor([0,1,2,1])
values = torch.FloatTensor([1,1,2,2])
result = torch.FloatTensor([0,0,0])
looped_result = torch.zeros_like(result)
for i in range(indices.shape[0]):
looped_result[indices[i]] += values[i]
result[indices] += values
print('result:',result)
print('looped result:', looped_result)在以下方面的成果：
result tensor: ([1., 2., 2.])
looped result tensor: ([1., 3., 2.])正如您所看到的，环变量有正确的和，而向量化的变量没有。是否可以避免循环而仍然得到正确的结果？
回答 1
Stack Overflow用户
回答已采纳
发布于 2022-11-27 21:57:59
这里的问题是，您要在同一个索引上多次索引result，对于这个内部操作，该索引肯定会失败。相反，您需要使用的是index_add or index_add_，例如(作为代码片段的延续)：
>>> result_ia = torch.zeros_like(result)
>>> result_ia.index_add_(0, indices, values)
tensor([1., 3., 2.]页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/74593825
复制相关文章
相似问题
腾讯云开发者
