作为我正在构建的机器学习架构的一部分，我需要在pytorch中并行化一个特定的计算。为了简单起见，我将陈述这个问题的一个修改版本，并使用numpy，这样更容易理解。
假设我有一个足球队的集合（比如10个），他们进行了一系列比赛（比如20场）。每个足球队用一个ID（1-10之间的数字）表示。比赛结果保存为元组(t_1, t_2, win)，其中t_i是'team i'的ID（int），如果队1赢，则win=1（如果队2赢，则win=-1）。
我想计算每支球队的总胜数。更具体地说，我想得到一个numpy数组X（形状为（10）），其中X[t_i]：= wins -loss（20场比赛中“team i”的）。假设比赛数据被拆分为numpy数组match（形状为（20，2））和outcome（形状为（20，1）），我目前解决此问题的方法如下所示

outcome = np.concatenate((outcome, -outcome), axis=1)
for i in range(20):
    X[match[i]] += outcome[i]

现在你可以猜到，我想去掉for循环。

X[match] += outcome

那么很明显，它不会工作。有没有人有任何想法，如何解决这个问题完全并行？就像我说的，我的问题实际上是更复杂的比我在这里所说的。它更接近于想要计算每个球员在每支球队的赢/输总数。如果可能的话，有人可以提供一个解决方案，而不是依赖于只有两支球队在每场比赛。提前感谢。