在pytorch中将索引选择的张量添加到另一个具有重叠索引的张量答案

【问题标题】：Add a index selected tensor to another tensor with overlapping indices in pytorch在pytorch中将索引选择的张量添加到另一个具有重叠索引的张量
【发布时间】：2021-04-11 12:34:51
【问题描述】：

这是this question 的后续问题。我想在 pytorch 中做同样的事情。是否有可能做到这一点？如果是，怎么做？

import torch
image = torch.tensor([[246,  50, 101], [116,   1, 113], [187, 110,  64]])
iy = torch.tensor([[1, 0, 2], [1, 0, 2], [2, 2, 2]])
ix = torch.tensor([[0, 2, 1], [1, 2, 0], [0, 1, 2]])
warped_image = torch.zeros(size=image.shape)

我需要像 torch.add.at(warped_image, (iy, ix), image) 这样的东西，输出为

[[  0.   0.  51.]
 [246. 116.   0.]
 [300. 211.  64.]]

请注意，(0,1) 和 (1,1) 处的索引指向同一位置 (0,2)。所以，我想要warped_image[0,2] = image[0,1] + image[1,1] = 51。

【问题讨论】：

标签： numpy pytorch

【解决方案1】：

您要查找的是torch.Tensor.index_put_，其中accumulate 参数设置为True：

>>> warped_image = torch.zeros_like(image)

>>> warped_image.index_put_((iy, ix), image, accumulate=True)
tensor([[  0,   0,  51],
        [246, 116,   0],
        [300, 211,  64]])

或者，使用替换版本torch.index_put：

>>> torch.index_put(torch.zeros_like(image), (iy, ix), image, accumulate=True)
tensor([[  0,   0,  51],
        [246, 116,   0],
        [300, 211,  64]])

【讨论】：

哇！太感谢了！我希望这能让渐变流动。
是的！如果你在image 上将requires_grad 设置为True，那么warped_image 将变成grad_fn（用于反向传播）设置为<IndexPutBackward>。
我也需要渐变流过索引，但我得到了一个错误。知道如何解决它或任何解决方法吗？我问了一个单独的question
@NagabhushanSN 我认为你不能通过索引传递梯度，因为它们是离散且不可微的
是的，我想到了。事实证明，这毕竟是不需要的。