Pytorch中index_select()函数的实现理解_pytrochpadsequence - CSDN文库

26 浏览量更新于2023-05-11 评论收藏 40KB PDF 举报

身份认证购VIP最低享 7 折!

领优惠券(最高得80元）

资源详情

资源评论

资源推荐

Pytorch中中index_select() 函数的实现理解函数的实现理解

主要介绍了Pytorch中index_select() 函数的实现理解，文中通过示例代码介绍的非常详细，对大家的学习或者工

作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧

函数形式：

index_select(

dim,

index

)

参数：

dim：表示从第几维挑选数据，类型为int值；

index：表示从第一个参数维度中的哪个位置挑选数据，类型为torch.Tensor类的实例；

刚开始学习pytorch，遇到了index_select(),一开始不太明白几个参数的意思，后来查了一下资料，算是明白了一点。

a = torch.linspace(1, 12, steps=12).view(3, 4)

print(a)

b = torch.index_select(a, 0, torch.tensor([0, 2]))

print(b)

print(a.index_select(0, torch.tensor([0, 2])))

c = torch.index_select(a, 1, torch.tensor([1, 3]))

print(c)

先定义了一个tensor，这里用到了linspace和view方法。

第一个参数是索引的对象，第二个参数0表示按行索引，1表示按列进行索引，第三个参数是一个tensor，就是索引的序号，比

如b里面tensor[0， 2]表示第0行和第2行，c里面tensor[1, 3]表示第1列和第3列。

输出结果如下：

tensor([[ 1., 2., 3., 4.],

[ 5., 6., 7., 8.],

[ 9., 10., 11., 12.]])

tensor([[ 1., 2., 3., 4.],

[ 9., 10., 11., 12.]])

tensor([[ 1., 2., 3., 4.],

[ 9., 10., 11., 12.]])

tensor([[ 2., 4.],

[ 6., 8.],

[10., 12.]])

功能：从张量的某个维度的指定位置选取数据。功能：从张量的某个维度的指定位置选取数据。

代码实例：

t = torch.arange(24).reshape(2, 3, 4) # 初始化一个tensor，从0到23，形状为（2,3,4）

print("t--->", t)

index = torch.tensor([1, 2]) # 要选取数据的位置

print("index--->", index)

data1 = t.index_select(1, index) # 第一个参数:从第1维挑选，第二个参数:从该维中挑选的位置

print("data1--->", data1)

data2 = t.index_select(2, index) # 第一个参数:从第2维挑选，第二个参数:从该维中挑选的位置

print("data2--->", data2)

运行结果：

t---> tensor([[[ 0, 1, 2, 3],

[ 4, 5, 6, 7],

[ 8, 9, 10, 11]],

[[12, 13, 14, 15],

[16, 17, 18, 19],

[20, 21, 22, 23]]])

index---> tensor([1, 2])

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余1页未读，立即下载

评论0

weixin_38721119

粉丝: 10
资源: 925

会员权益专享

图片转文字

全年可省5，000元立即开通

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈