pytorch从一个tensor中随机取5个下标，且对应的数值不同

你可以使用`torch.randperm()`函数生成随机的下标，然后从原始的tensor中根据这些下标取出对应的数值。要确保取出的数值不重复，可以使用`torch.unique()`函数。下面是一个示例代码：

import torch

# 原始的tensor
tensor = torch.tensor([1, 2, 3, 4, 5, 6, 7, 8, 9, 10])

# 生成随机的下标
indices = torch.randperm(tensor.size(0))[:5]

# 根据下标取出对应的数值
selected_values = tensor[indices]

# 确保取出的数值不重复
unique_values = torch.unique(selected_values)

print(indices)
print(selected_values)
print(unique_values)

这段代码会输出随机生成的下标、对应的数值以及去重后的数值。注意，由于是随机生成的，每次运行结果可能会不同。

相关问题

pytorch从一个有重复值的tensor中随机取5个下标，且取的下表对应的数值不同

要在一个有重复值的tensor中随机取5个不同的下标，可以使用`torch.unique()`函数来获取tensor中的唯一值，并结合`torch.randperm()`函数来生成随机下标。下面是一个示例代码：

import torch

# 原始的tensor
tensor = torch.tensor([1, 2, 3, 4, 5, 5, 6, 7, 8, 9, 10])

# 获取tensor中的唯一值
unique_values = torch.unique(tensor)

# 生成随机下标
indices = torch.randperm(unique_values.size(0))[:5]

# 根据下标取出对应的数值
selected_values = unique_values[indices]

print(indices)
print(selected_values)

这段代码会输出随机生成的下标以及对应的数值。注意，由于是随机生成的，每次运行结果可能会不同。同时，由于去重后的数值较少，可能无法取到5个不同的下标，取决于原始tensor中有多少个不同的值。

pytorch从一个有重复值的tensor中随机取5个下标，且取的下标在原数据上对应的数值不重复

要从一个有重复值的tensor中随机取5个下标，且取的下标在原数据上对应的数值不重复，你可以使用`torch.unique()`函数来获取tensor中的唯一值，并结合`torch.randperm()`函数来生成随机下标。然后，你可以遍历这些随机下标，检查对应的数值是否已经被选择过，如果已经选择过则进行下一个随机下标的选择。下面是一个示例代码：

import torch

# 原始的tensor
tensor = torch.tensor([1, 2, 3, 4, 5, 5, 6, 7, 8, 9, 10])

# 获取tensor中的唯一值
unique_values = torch.unique(tensor)

# 生成随机下标
indices = []
selected_values = []
while len(indices) < 5:
    index = torch.randint(0, unique_values.size(0), (1,))
    value = unique_values[index]
    if value not in selected_values:
        indices.append(index)
        selected_values.append(value)

indices = torch.cat(indices)
selected_values = torch.cat(selected_values)

print(indices)
print(selected_values)

这段代码会输出随机生成的下标以及对应的数值。由于需要检查每次选择的数值是否已经被选择过，因此可能需要多次循环才能找到5个不重复的下标。注意，由于是随机生成的，每次运行结果可能会不同。