PyTorch中使用Tensor作为索引

一维Tensor作为索引

在Numpy中，我们可以传入数组作为索引，称为花式索引。这里只演示使用两个一维List的例子。

In[42]: a=np.arange(18).reshape(6,3)
In[43]: a
Out[43]:
array([[ 0,  1,  2],[ 3,  4,  5],[ 6,  7,  8],[ 9, 10, 11],[12, 13, 14],[15, 16, 17]])
In[44]: a[[1,2,3],[0,1,2]]
Out[44]: array([ 3,  7, 11]) # 相当于选择了下标分别为[1,0], [2,1], [3,2]的元素

而在PyTorch中，如果使用两个整数List/一维Tensor作为索引，所起的作用是相同的。

In[45]: w=torch.arange(18).view(6,3)
IN[46]: w
Out[46]:
tensor([[ 0,  1,  2],[ 3,  4,  5],[ 6,  7,  8],[ 9, 10, 11],[12, 13, 14],[15, 16, 17]])
In[47]: w[[1,2,3],[0,1,2]]
Out[47]: tensor([ 3,  7, 11])
In[48]: w[torch.tensor([1,2,3]),torch.tensor([0,1,2])]
Out[48]: tensor([ 3,  7, 11])

二维Tensor作为索引

下面的例子使用了二维Tensor作为索引，注意把[[1,2,3],[0,1,2]]和上一小节的两个一维Tensor[1,2,3],[0,1,2]区分开。通过下面的例子可以发现，二维Tensor作为索引时，每个索引中的元素都作为w的第一维度的下标（即行号）用于选择w中第一维的元素。例如二维索引[[1,2,3],[0,1,2]]中的3选出了w的第四行[ 9, 10, 11]。下面例子中，索引形状为[2,3]，将索引中的每个元素用被索引的Tensor中对应行号的行替换之后，由于每一行有三列，故得到了[2,3,3]的结果

In[56]: w
Out[56]:
tensor([[ 0,  1,  2],[ 3,  4,  5],[ 6,  7,  8],[ 9, 10, 11],[12, 13, 14],[15, 16, 17]])
In[57]: w[torch.LongTensor([[1,2,3],[0,1,2]])]
Out[57]:
tensor([[[ 3,  4,  5],[ 6,  7,  8],[ 9, 10, 11]],[[ 0,  1,  2],[ 3,  4,  5],[ 6,  7,  8]]])

使用Tensor作为List的索引

当Tensor仅含有一个整数时，可以作为List的索引，相当于取出该整数作为索引。若含有多个整数，则报错。

In [1]: import torchIn [2]: a=[x for x in range(10)]In [3]: a
Out[3]: [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]In [4]: a[torch.tensor([[1]])]  # 相当于a[1]
Out[4]: 1In [5]: a[torch.tensor([[[5]]])]  # 相当于a[5]
Out[5]: 5In [6]: a[torch.tensor([[1,2]])]  # 多于1个整数，报错
---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-6-ec87609b9152> in <module>()
----> 1 a[torch.tensor([[1,2]])]TypeError: only integer tensors of a single element can be converted to an index

PyTorch中使用Tensor作为索引相关推荐

实践教程 | 浅谈 PyTorch 中的 tensor 及使用
点击上方"视学算法",选择加"星标"或"置顶" 重磅干货,第一时间送达作者 | xiaopl@知乎(已授权) 来源 | https://z ...
【深度学习理论】一文搞透pytorch中的tensor、autograd、反向传播和计算图
转载:https://zhuanlan.zhihu.com/p/145353262 前言本文的主要目标: 一遍搞懂反向传播的底层原理,以及其在深度学习框架pytorch中的实现机制.当然一遍搞不定两 ...
Python数据类型、Numpy数据类型和Pytorch中的tensor类型间的相互转化
数据类型包括Python数据类型.Numpy数据类型和Pytorch中的tensor,Pytorch中的tensor又包括CPU上的数据类型和GPU上的数据类型. 一.Python数据类型 Pytho ...
pytorch中谜一样的索引赋值法
test import torch nums = 3 # 首先,我们随机生成一个3*5的矩阵 a = torch.randn(nums, 5) # 在列的维度(dim=0),取每列的最大值 overl ...
pytorch 中的Tensor.detach介绍
detach的作用 Tensor.detach() 的作用是阻断反向梯度传播,当我们再训练网络的时候可能希望保持一部分的网络参数不变,只对其中一部分的参数进行调整:或者值训练部分分支网络,并不让其梯度 ...
pyTorch中tensor运算
文章目录 PyTorch的简介 PyTorch中主要的包 PyTorch的安装使用GPU的原因使数据在GPU上运行什么使Tensor(张量) 一些术语介绍 Tensor的属性介绍(Rank,ax ...
pytorch中tensor、backward一些总结
目录说明 Tensor Tensor的创建 Tensor(张量)基本数据类型与常用属性 Tensor的自动微分设置不可积分计算 pytorch 计算图 backward一些细节该文章解决问题如下 ...
pytorch中的卷积操作详解
首先说下pytorch中的Tensor通道排列顺序是:[batch, channel, height, width] 我们常用的卷积(Conv2d)在pytorch中对应的函数是: torch.nn. ...
[PyTorch] 深度学习框架PyTorch中的概念和函数
Pytorch的概念 Pytorch最重要的概念是tensor,意为"张量". Variable是能够构建计算图的 tensor(对 tensor 的封装).借用Variable才 ...

PyTorch中使用Tensor作为索引

一维Tensor作为索引

二维Tensor作为索引

使用Tensor作为List的索引

PyTorch中使用Tensor作为索引相关推荐

最新文章

热门文章