【Pytorch】tensor索引另一个tensor（tensor[tensor]）

说明

最近在使用pytorch中tensor的时候，遇到了需要使用tensor1[tensor2]的情况，发现了这篇博客，他从代码的角度解释了其工作原理，这里我用图示的方式解释tensor类型为longTensor时的情况

工作原理

1. 首先，创建两个tensor，如下：
   复制代码import numpy as np import torch x1 = np.array([[1,0,0,1],[1,1,0,1],[0,1,1,0],[0,1,1,1],[1,1,0,0]]) x2 = np.array([[1,0,1],[1,1,1]]) x1= torch.from_numpy(x1).long() x2= torch.from_numpy(x2).long() """ x1:tensor([[1, 0, 0, 1], [1, 1, 0, 1], [0, 1, 1, 0], [0, 1, 1, 1], [1, 1, 0, 0]]) x1.shape:torch.Size([5, 4]) x2:tensor([[1, 0, 1], [1, 1, 1]]) x2.shape:torch.Size([2, 3]) x1[x2]:tensor([[[1, 1, 0, 1], [1, 0, 0, 1], [1, 1, 0, 1]], [[1, 1, 0, 1], [1, 1, 0, 1], [1, 1, 0, 1]]]) """

   1
   2
   3
   4
   5
   6
   7
   8
   9
   10
   11
   12
   13
   14
   15
   16
   17
   18
   19
   20
   21
   22
   23
   24
   25
   26
   27
   import numpy as np
   import torch
   x1 = np.array([[1,0,0,1],[1,1,0,1],[0,1,1,0],[0,1,1,1],[1,1,0,0]])
   x2 = np.array([[1,0,1],[1,1,1]])
   
   x1= torch.from_numpy(x1).long()
   x2= torch.from_numpy(x2).long()
   
   """
   x1:tensor([[1, 0, 0, 1],
           [1, 1, 0, 1],
           [0, 1, 1, 0],
           [0, 1, 1, 1],
           [1, 1, 0, 0]])  
   x1.shape:torch.Size([5, 4])
   x2:tensor([[1, 0, 1],
           [1, 1, 1]])
   x2.shape:torch.Size([2, 3])
   x1[x2]:tensor([[[1, 1, 0, 1],
   	         [1, 0, 0, 1],
   	         [1, 1, 0, 1]],
   	
   	        [[1, 1, 0, 1],
   	         [1, 1, 0, 1],
   	         [1, 1, 0, 1]]])
   """
   

2. 说明一点就是x1[x2].shap不一定等于x2[x1].shape，那么我如何在不计算的前提下知道LongTensor1[LongTensor2].shape呢,以二维LongTensor为例，可推出公式如下：LongTensor1[LongTensor2].shape=torch.Size([LongTensor2.shape[0],LongTensor2.shape[1],LongTensor1.shape[1]),即上述
   • x1[x2].shape=torch.Size([2, 3, 4])
   • x2[x1].shape=torch.Size([5, 4, 3])
3. 动态图说明
   
   可以看到由于x2只包含0和1，所以在取索引的时候，只会索引x1的前两维

最后

以上就是虚幻航空最近收集整理的关于【Pytorch】tensor索引另一个tensor（tensor[tensor]）的全部内容，更多相关【Pytorch】tensor索引另一个tensor（tensor[tensor]）内容请搜索靠谱客的其他文章。