slice_scatter
沿着 axes 将 value 矩阵的值嵌入到 x 矩阵。返回一个新的 Tensor 而不是视图。 axes 需要与 starts, ends 和 strides 尺寸一致。
备注
此 API 有两种调用方式： 1. paddle.slice_scatter(x, value, axes=None, starts=None, ends=None, strides=None) (Paddle 风格)：沿多个维度嵌入 value 张量 2. paddle.slice_scatter(input, src, dim=0, start=None, end=None, step=1) (PyTorch 风格)：沿单个维度嵌入 src 张量
图示展示了示例二 ——一个形状为 [3, 9] 的张量 x，在 axis 1 上使用 slice scatter 操作，将 [3, 1] 的 value 张量嵌入到指定的范围内。图中显示了原始张量、value 张量以及操作后的结果。
参数
x (Tensor) - 输入的 Tensor 作为目标矩阵，数据类型为：
bool、float16、float32、float64、uint8、int8、int16、int32、int64、bfloat16、complex64、complex128。别名input。value (Tensor) - 需要插入的值，数据类型为：
bool、float16、float32、float64、uint8、int8、int16、int32、int64、bfloat16、complex64、complex128。别名src。axes (list|tuple，可选) - 指定沿着哪几个维度嵌入对应的值。别名
dim。starts (list|tuple，可选) - 嵌入的起始索引。别名
start。ends (list|tuple，可选) - 嵌入的截止索引。别名
end。strides (list|tuple，可选) - 嵌入的步长。别名
step。
返回
Tensor， 与 x 数据类型与形状相同。
代码示例
>>> import paddle
>>> x = paddle.zeros((3, 9))
>>> value = paddle.ones((3, 2))
>>> res = paddle.slice_scatter(x, value, axes=[1], starts=[2], ends=[6], strides=[2])
>>> print(res)
Tensor(shape=[3, 9], dtype=float32, place=Place(cpu), stop_gradient=True,
[[0., 0., 1., 0., 1., 0., 0., 0., 0.],
[0., 0., 1., 0., 1., 0., 0., 0., 0.],
[0., 0., 1., 0., 1., 0., 0., 0., 0.]])
>>> # broadcast `value` got the same result
>>> x = paddle.zeros((3, 9))
>>> value = paddle.ones((3, 1))
>>> res = paddle.slice_scatter(x, value, axes=[1], starts=[2], ends=[6], strides=[2])
>>> print(res)
Tensor(shape=[3, 9], dtype=float32, place=Place(cpu), stop_gradient=True,
[[0., 0., 1., 0., 1., 0., 0., 0., 0.],
[0., 0., 1., 0., 1., 0., 0., 0., 0.],
[0., 0., 1., 0., 1., 0., 0., 0., 0.]])
>>> # broadcast `value` along multiple axes
>>> x = paddle.zeros((3, 3, 5))
>>> value = paddle.ones((1, 3, 1))
>>> res = paddle.slice_scatter(x, value, axes=[0, 2], starts=[1, 0], ends=[3, 4], strides=[1, 2])
>>> print(res)
Tensor(shape=[3, 3, 5], dtype=float32, place=Place(cpu), stop_gradient=True,
[[[0., 0., 0., 0., 0.],
[0., 0., 0., 0., 0.],
[0., 0., 0., 0., 0.]],
[[1., 0., 1., 0., 0.],
[1., 0., 1., 0., 0.],
[1., 0., 1., 0., 0.]],
[[1., 0., 1., 0., 0.],
[1., 0., 1., 0., 0.],
[1., 0., 1., 0., 0.]]])