_Q = torch.gather(_Qs, 1, _action.to(torch.int64)) #摇摆棍 RuntimeError: Index tensor must have the same number of dimensions as input tensor

这个错误通常是因为 `_action` 张量的维度比 `_Qs` 张量的维度少了一维。在 `torch.gather()` 函数中，第二个参数 `_action` 是用于从 `_Qs` 张量中收集值的索引。这个索引张量的维度应该与 `_Qs` 张量的维度相同。如果 `_Qs` 张量的维度是 `(batch_size, num_actions)`，那么 `_action` 张量的维度应该是 `(batch_size, 1)`。

你可以尝试在使用 `torch.gather()` 函数之前给 `_action` 张量增加一维，例如：

_action = _action.unsqueeze(1)
_Q = torch.gather(_Qs, 1, _action.to(torch.int64))

这将会在 `_action` 张量的第二个维度上增加一个维度，使其维度变为 `(batch_size, 1)`。

如果你需要进一步帮助，请提供更多的上下文和代码。

相关问题

_Q = torch.gather(_Qs, 1, _action) #摇摆棍 RuntimeError: gather(): Expected dtype int64 for index

这个错误通常是因为 `gather()` 函数的第二个参数 `_action` 的数据类型不是 `torch.int64`。`gather()` 函数需要整数类型的索引来从 `_Qs` 张量中收集数据。你可以尝试将 `_action` 转换为 `torch.int64` 类型，例如：

_Q = torch.gather(_Qs, 1, _action.long())

如果 `_action` 的数据类型已经是整数类型，你也可以尝试将其转换为 `torch.int64`，例如：

_Q = torch.gather(_Qs, 1, _action.to(torch.int64))

如果你需要进一步帮助，请提供更多的上下文和代码。

x_test = torch.tensor([[4,3,7,2,9],[1,2,0,7,3],[10,12,21,11,23]]) ids_shuffle = torch.argsort(x_test, dim=1) # ascend: small is keep, large is remove ids_restore = torch.argsort(ids_shuffle, dim=1) ids_keep = ids_shuffle[:, :3] x_masked = torch.gather(x_test, dim=1, index=ids_keep.unsqueeze(-1).repeat(1, 1, 3)) 报错 RuntimeError: Index tensor must have the same number of dimensions as input tensor

这个错误是由于torch.gather函数的index参数的维度不匹配导致的。

在你的代码中，x_test是一个形状为[3, 5]的张量，而ids_keep是一个形状为[3, 3]的张量。在torch.gather函数中，index参数的维度应该和input参数的维度一致，或者在某些维度上是1。

要解决这个问题，你可以使用unsqueeze函数在ids_keep张量的最后一个维度上添加一个维度，使其形状变为[3, 3, 1]。这样，再将其通过repeat函数复制到形状为[3, 3, 5]，以便和x_test的维度匹配。修改后的代码如下：

x_test = torch.tensor([[4,3,7,2,9],[1,2,0,7,3],[10,12,21,11,23]])
ids_shuffle = torch.argsort(x_test, dim=1)  # ascend: small is keep, large is remove
ids_restore = torch.argsort(ids_shuffle, dim=1)
ids_keep = ids_shuffle[:, :3]
ids_keep = ids_keep.unsqueeze(-1).repeat(1, 1, 1)  # 添加一个维度，并复制到和x_test维度相同
x_masked = torch.gather(x_test, dim=1, index=ids_keep)

这样修改后，你就可以成功执行torch.gather函数，并得到正确的结果。