Python 更新PyTorch中的特定向量元素

我有一个大的向量，我想更新。我将通过向向量中的特定元素添加偏移来更新它。我指定要更新的索引向量（称为索引向量

ix

），并为每个索引指定要添加到该元素的值（称为值向量

vals

）。如果索引向量的所有条目都是唯一的，则以下代码就足够了：

vec = torch.zeros(4, dtype=torch.float)
ix = torch.tensor([0,2], dtype=torch.long)
vals = torch.tensor([0.2, 0.5], dtype=torch.float)
vec[ix] += vals

但是，如果在

ix

中存在重复索引，则这不起作用。针对重复索引的简单方法如下所示：

for i in range(len(ix)):
    vec[ix[i]] += vals[i]

但这并不能很好地扩展-当

ix

很大时，它的速度非常慢。有没有更快的方法？如果有一种快速方法可以对

ix

中具有相同索引的

vals

的所有条目求和，那么解决方法应该很简单

更新：
我找到了一个非常有效的解决方案，如下所述。我仍然希望得到更好解决方案的反馈

# get unique indices
ix_unique = torch.unique(ix)

# for each unique index, get sum of all vals with that index
vals_unique = torch.stack([
    torch.sum(torch.where(ix==i, vals, torch.zeros_like(vals))) 
    for i in ix_unique
])

# update vec
vec[ix_unique] += vals_unique

---

对于希望允许对同一ix索引进行多次更新的情况，还存在一个名为的库。 在这种情况下，如果ix中有3个相同的标记，则会将3*val添加到该索引中。

torch.index_add（）

导入火炬
vec=火炬.0（4，数据类型=火炬.float）
ix=火炬张量（[0,0,2]，dtype=火炬长）
VAL=火炬张量（[0.2,0.1,0.5]，dtype=火炬浮动）
火炬指数（vec、0、ix、VAL）

你会得到

张量（[0.3000,0.0000,0.5000,0.0000]）

---

参考资料：

您可以写下自己的答案，向其他人表明存在解决方案！