.scatter_函数

.scatter_函数放置元素或者修改元素。

>>> x = torch.rand(2, 5)
>>> x
tensor([[0.6132, 0.8931, 0.7345, 0.6793, 0.6606],
        [0.0630, 0.1785, 0.7312, 0.6456, 0.6307]])
        
>>> torch.zeros(3, 5).scatter_(0, torch.LongTensor([[0, 1, 2, 0, 0], [2, 0, 0, 1, 2]]), 1)
tensor([[1., 1., 1., 1., 1.],
        [0., 1., 0., 1., 0.],
        [1., 0., 1., 0., 1.]])
>>> torch.zeros(3, 5).scatter_(0, torch.LongTensor([[0, 1, 2, 0, 0], [2, 0, 0, 1, 2]]), x)
tensor([[0.6132, 0.1785, 0.7312, 0.6793, 0.6606],
        [0.0000, 0.8931, 0.0000, 0.6456, 0.0000],
        [0.0630, 0.0000, 0.7345, 0.0000, 0.6307]])

torch.zeros(3,5)，先创建一个3行5列的全为0的tensor，后续使用scatter函数往里放置元素，如何放置按照参数1和参数2的规定，放置哪些元素，按照参数3的规定。

具体来说：
上述.scatter_(参数1，参数2，参数3）中，参数0/1表示，按行/列进行元素的放置（维度再高类比扩展），参数2用于找索引（找torch.zeros中位置），参数3为希望放入的元素。例如当参数3为x的时候，torch.zeros(3,5)中填入的为x中的元素；当参数3为1的时候，形成的tensor中为1，即表示希望放入的元素为1。

如何放置，先从简单的，放置的元素为1开始：

第一步，先看参数2，找index。
参数2的值是一个tensor：
[[0, 1, 2, 0, 0],
[2, 0, 0, 1, 2]]
例如，其中第1行第0列(1,0)的值为2，即index=2。

第二步，根据index确定行/列，看参数1。
本例中参数1为0，按行放置，因此在torch.zeros(3,5)的第2行（注意从0开始）填入1，那么，在第2行（从0开始）的哪一列填入1呢，需要遵循的原则是：第一步中index所在位置为第1列，因此放入第1列。因此在torch.zeros(3,5)的（2,1）位置上放入1。

即往torch.zeros(3,5)中填入元素的时候，torch.zeros(3,5)中元素的列与x的列是相同的，这一点当x是具体数值的时候比较清晰。可以看出x的列与torch.zeros(3,5)最后填完之后的列中的元素是对应的，比如第1列的元素不会跑到第2列去，但是行不一定。

那么，复杂一点，如果放置的元素不是1，而是需要把x中的元素放入呢。
增加第三步，目前已经找到参数2中 (1,0) 的index是2了，再看参数3，此时参数3为x，在x中找 (1,0) 位置上的元素是0.0630，因此这时候在第二步中，放入第1行第0列的元素不是1，而是0.0630。因此在torch.zeros(3,5)的（2,1）位置上放入0.0630。

Note：

1. 第二步中，如果参数=1，表示按行放置，则先确定行再确定列；如果参数=0，表示按列放置，则先确定列再确定行。
2. 本例中因为是按行放置，要求torch.zeros(3,5)的列与x的列是相同的，否则没法做到列列对应；如果是按列方式，则要求【被填入的torch】与x的行是相同的，否则没法做到行行对应。
3. 参数2中的值控制的是【被填入的torch】的x行或者x列，因此参数2中的最大值，不应该超过【被填入的torch】的行/列（按列排序/按行排序）–>参数2控制位置。

->按行排序，列列对应；按列排序，行行对应。
参数2，参数1，最后再看参数3。
index数值找到确定行/列，再看index位置，确定列/行。

参考：

1. scatter_()函数的详细介绍：https://blog.csdn.net/weixin_45547563/article/details/105311543