scatter_nd_add¶

paddle. scatter_nd_add ( x, index, updates, name=None ) [源代码] ¶

该OP通过对Tensor中的单个值或切片应用稀疏加法，从而得到输出的Tensor。

x 是维度为 R 的张量。 index 是维度为 K 的张量。因此， index 的形状是 \([i_0, i_1, ..., i_{K-2}, Q]\) ，其中 \(Q \leq R\) 。updates 是一个维度为 \(K - 1 + R - Q\) 的张量，它的形状是 \(index.shape[:-1] + x.shape[index.shape[-1]:]\) 。

根据 index 的 \([i_0, i_1, ..., i_{K-2}]\) 得到相应的 updates 切片，将其加到根据 index 的最后一维得到 x 切片上，从而得到最终的输出张量。

示例：

- 案例 1:
    x = [0, 1, 2, 3, 4, 5]
    index = [[1], [2], [3], [1]]
    updates = [9, 10, 11, 12]

  得到:

    output = [0, 22, 12, 14, 4, 5]

- 案例 2:
    x = [[65, 17], [-14, -25]]
    index = [[], []]
    updates = [[[-1, -2], [1, 2]],
               [[3, 4], [-3, -4]]]
    x.shape = (2, 2)
    index.shape = (2, 0)
    updates.shape = (2, 2, 2)

  得到:

    output = [[67, 19], [-16, -27]]

参数：

• x (Tensor) - 输入张量，数据类型可以是int32，int64，float32，float64。

• index (Tensor) - 输入的索引张量，数据类型为非负int32或非负int64。它的维度 index.ndim 必须大于1，并且 index.shape[-1] <= x.ndim

• updates (Tensor) - 输入的更新张量，它必须和 x 有相同的数据类型。形状必须是 index.shape[:-1] + x.shape[index.shape[-1]:] 。

• name (string) - 该层的名字，默认值为None，表示会自动命名。

返回：数据类型和形状都与 x 相同的Tensor。

返回类型：Tensor

代码示例：

import paddle
import numpy as np
x = paddle.rand(shape=[3, 5, 9, 10], dtype='float32')
updates = paddle.rand(shape=[3, 9, 10], dtype='float32')
index_data = np.array([[1, 1],
                        [0, 1],
                        [1, 3]]).astype(np.int64)
index = paddle.to_tensor(index_data)
output = paddle.scatter_nd_add(x, index, updates)