如何在PyTorch张量的指定索引位置添加标量？

嘿，我完全懂你对scatter*和index*系列操作的困惑——其实你要的需求用非常简单的方法就能实现，甚至不需要用到那些复杂的scatter类操作！

方法一：直接索引赋值（最简洁高效） #

你可以把二维索引拆成行和列两个一维张量，然后直接对这些位置执行加法操作，完全不用转换标量形状：

import torch

# 初始化你的张量和索引
z = torch.tensor([[1., 1., 1., 1.], [1., 1., 1., 1.], [1., 1., 1., 1.]])
inds = torch.tensor([[0, 0], [1, 1], [1, 2]])

# 拆分索引为行和列维度
rows = inds[:, 0]
cols = inds[:, 1]

# 直接在指定位置加标量3
z[rows, cols] += 3

print(z)
# 输出结果：
# tensor([[4., 1., 1., 1.],
#         [1., 4., 4., 1.],
#         [1., 1., 1., 1.]])

这种方法的优势是直观、高效，PyTorch对索引操作做了深度优化，完全不用担心性能问题。如果你的索引里有重复位置（比如同一个坐标出现多次），这个方法也会自动累加数值，和scatter_add_的效果一致。

方法二：使用scatter_add_（如果你想尝试scatter系列操作） #

如果你一定要用scatter*系列来实现，torch.scatter_add_也能完成这个需求，只是需要把标量转换成和索引匹配的形状（其实PyTorch的广播机制也能帮你简化这一步）：

import torch

z = torch.tensor([[1., 1., 1., 1.], [1., 1., 1., 1.], [1., 1., 1., 1.]])
inds = torch.tensor([[0, 0], [1, 1], [1, 2]])

# 准备要添加的数值，利用full_like生成和列索引同形状的全3张量
src = torch.full_like(inds[:, 1], 3)

# 使用scatter_add_，dim=1表示按列维度进行映射
z.scatter_add_(
    dim=1,
    index=inds[:, 1].unsqueeze(1),  # 需要把列索引变成二维张量匹配目标维度
    src=src.unsqueeze(1)
)

print(z)
# 输出和上面完全一致

为什么不用纠结scatter系列？ #

scatter*和index*操作更多是为了处理跨张量的元素映射/聚合场景（比如把一个张量的元素根据索引放到另一个张量里），而你的需求只是对现有张量的指定位置做简单加法，直接索引操作显然更贴合需求，代码也更易读。

内容的提问来源于stack exchange，提问作者Colin