scatter_add / scatter_sum，Tensor.scatter_add_函数解释：

 Tensor.scatter_add_(dim, index, src) → Tensor

out.scatter_add_(dim, index, src)

1.scatter_add / scatter_sum参数：

• dim (int) – 哪一dim进行操作

• index (LongTensor) – 要在的out的哪一index进行操作

• src (Tensor) – 待操作的源数字

注意：scatter_add会直接调用scatter_sum，scatter_sum得到参数index后, 还要进行index = broadcast(index, src, dim)的操作，然后调用scatter_add_函数。

2.scatter_add_官方的解释的操作如下：

3.例子

• 关于scatter_add函数的用法-CSDN博客
• 这个是自己写的俩个例子；左右个一个；最后的结果：每一行放的是与该目标节点相连的源节点的特征向量的和，并没有目标节点自身的信息，就是只聚合了邻居的消息放在这儿；
• 
• src表示 源节点 的特征向量的集合；index表示的是 edge_index 第2行，也就是目标节点的索引，然后经过广播得到现在看到的inde；out初始值：是[ |V|，节点特征维度值]大小，初始值均为0的tensor；
• 再看一个PYG中GCNConv用到的例子：
  • 将每个target node的邻接节点的边的权重以及自环的权重求和；有自环是因为 index是包含自环的边的索引的第二行，也就是目标节点，src是包含自环的边的权重；
  • out.scatter_add_(dim, index, src)，dim,=0 ，index, src都是一维的Tensor

  • import torch
    
    # 创建一个目标张量 out，初始化为0
    out = torch.zeros(5)
    
    # 创建一个索引张量 index，指定要在哪些位置累加 src 中的值
    index = torch.tensor([1, 3, 4, 1, 2])
    
    # 创建一个源张量 src，包含要累加的值
    src = torch.tensor([10, 20, 30, 40, 50])
    
    # 将 src 中的值根据 index 添加到 out 中
    out.scatter_add_(dim=0, index=index, src=src)
    
    print(out)

    在这个示例中，index 中的每个元素表示了要在 out 中的哪个位置累加 src 中的值。最终，out 的值将被更新为[0, 50, 50, 20, 30]，其中每个位置上的值是根据 index 和 src 累加得到的。

再看一个特别的例子：

import torch_scatter


import torch

# 初始化一个7x7的零张量
x = torch.zeros((7, 7))

# 将每一行的第一个元素设置为1
x[:, 0] = 1

# 打印张量
print(x)

edge_index = torch.tensor([[0, 2, 3],
                           [0, 2, 3]])

need_x = x.index_select(dim=0, index=edge_index[0])
nei_X = torch_scatter.scatter(src=need_x, index = edge_index[1], dim=0, reduce="sum")
print("...........")
print(nei_X)

实验结果：