pytorch多维张量根据维度去重

如果你想在 PyTorch 中根据某个维度对多维张量进行去重操作，你可以使用 `torch.unique` 函数并指定 `dim` 参数来实现。

下面是一个示例代码，演示如何根据维度对多维张量进行去重：

import torch

# 创建一个多维张量
x = torch.tensor([[1, 2, 3], [4, 2, 1], [1, 2, 3]])

# 根据第一维度进行去重
unique_values, indices = torch.unique(x, dim=0, return_inverse=True)

# 打印去重后的张量和索引
print("去重后的张量：")
print(unique_values)
print("原张量中每个元素在去重后张量中的索引：")
print(indices)

运行以上代码，会输出去重后的张量和每个元素在去重后张量中的索引：

去重后的张量：
tensor([[1, 2, 3],
        [4, 2, 1]])
原张量中每个元素在去重后张量中的索引：
tensor([0, 1, 0])

这里使用 `torch.unique` 函数对多维张量进行去重操作。通过设置 `dim=0` 参数，我们指定对第一维度进行去重。`return_inverse=True` 参数用于返回原张量中每个元素在去重后张量中的索引。

需要注意的是，返回的 `unique_values` 张量中的顺序是按照去重后的顺序排列的，而不是原始张量中的顺序。如果需要保留原始张量的顺序，可以使用 `torch.sort` 函数对索引进行排序操作。