scatter(dim, index, src) 的参数有 3 个
dim：沿着哪个维度进行索引index：用来 scatter 的元素索引src：用来 scatter 的源元素，可以是一个标量或一个张量直白点说就是在dim维度上以index将src中的数放到一个新的Tensor中。
首先说一下官网的计算规则：
self[index[i][j][k]][j][k] = src[i][j][k] # if dim == 0 self[i][index[i][j][k]][k] = src[i][j][k] # if dim == 1 self[i][j][index[i][j][k]] = src[i][j][k] # if dim == 2从例子中可以看出，我们做的就是一个赋值操作，只不过不是直接self和src对应位置的赋值，而是根据index的值来在self的对应位置赋值。
另外需要注意，index中的值是不应大于该dim的通道数的。例如self是（3, 4, 5）的Tensor，我们选择的dim是2，则index的值必须小于5。
下面是两个例子：
1、one-hot编码（src是标量的情况下）：
ind = torch.tensor([[0, 1, 2, 0, 0], [2, 0, 0, 1, 2]]) y = torch.zeros(3, 5).scatter_(0, ind, 1) print(y) ''' 输出： tensor([[1., 1., 1., 0., 0.], [1., 1., 1., 0., 0.], [0., 0., 0., 0., 0.]]) '''详细解释：
我们可以将该函数看作两个过程：
首先进行坐标的映射，根据公式 self[index[i][j][k]][j] = src[i][j]，所以其实这个坐标中j是不变的(绿色值)，我们只需要把index对应位置的值填入作为新的i即可。表中红色的值是坐标。
然后在y的对应位置填入1即可。（坐标这个多画了一行，请忽略）
2、 src是张量的情况下：
x = torch.rand(2, 5) ind = torch.tensor([[0, 1, 2, 0, 0], [2, 0, 0, 1, 2]]) y = torch.zeros(3, 5).scatter_(0, ind, x) print(x) print(y) ''' 输出： tensor([[0.1161, 0.8937, 0.7539, 0.9041, 0.5330], [0.7159, 0.1167, 0.0778, 0.9715, 0.7562]]) tensor([[0.1161, 0.1167, 0.0778, 0.9041, 0.5330], [0.0000, 0.8937, 0.0000, 0.9715, 0.0000], [0.7159, 0.0000, 0.7539, 0.0000, 0.7562]]) '''详细解释：
与示例1类似，我们先得到对应的坐标映射，然后将src中(i, j)对应数据填到self的(index[i][j], j)中。
