博客

1.官方文档中的介绍

scatter() 和 scatter_() 的作用是一样的，只不过 scatter() 不会直接修改原来的 Tensor，而 scatter_() 会修改原来的。

scatter_(dim, index, src) 的参数有 3 个

• dim：在哪个维度进行变换
• index：用来 scatter 的元素索引
• src：用来 scatter 的源元素

具体的转化关系可以参考下图。



注意，这个里面的i，j，k可以说都是相同的量。

2.实例介绍

利用官网中的例子

>>> x = torch.rand(2, 5)
>>> x
tensor([[ 0.3992,  0.2908,  0.9044,  0.4850,  0.6004],
        [ 0.5735,  0.9006,  0.6797,  0.4152,  0.1732]])
>>> torch.zeros(3, 5).scatter_(0, torch.tensor([[0, 1, 2, 0, 0], [2, 0, 0, 1, 2]]), x)
tensor([[ 0.3992,  0.9006,  0.6797,  0.4850,  0.6004],
        [ 0.0000,  0.2908,  0.0000,  0.4152,  0.0000],
        [ 0.5735,  0.0000,  0.9044,  0.0000,  0.1732]])

这里我们来看看，首先声明了一个2*5的矩阵，里面的值是[0,1)，然后我们使用了scatter_，可以看出dim=0，对应上面的公式，我们可以得到。


self[index[0,0],0] = self[0,0] = src[0,0] = 00.3992


（其中i=0，j=0）


self[index[0,1],1] = self[1,1] = src[0,1] = 0.2908


（其中i=0，j=1）

以此类推…

3.实现one-hot

y_train = torch.Tensor(y_train).long()
y_train_onehot = y_train
y_train_onehot = y_train.view(-1, 1)
y_train_onehot = torch.zeros(y_train.size(0), 10).scatter_(1, y_train_onehot, 1).long()

数据说明：

y_train结构是(10000)，是有10000个训练集，每个都进行了分类，一共10类（类似于[1,2,3,5,0,6,4,9…]）

代码的思想就是首先生成一个全0的矩阵，然后通过对其列上面的值变换为1从而实现one-hot。

当然现在不用这个啦，pytorch中有one_hot函数

torch.nn.functional.one_hot(tensor, num_classes=-1) → LongTenso

对于上面的数据我们可以直接用

y_train = torch.Tensor(y_train).long()
y_train = torch.nn.functional.one_hot(y_train,10)

输出的结果为