pytorch中index_select()的用法詳解
pytorch中index_select()的用法
index_select(input, dim, index)
功能:在指定的維度dim上選取數據,不如選取某些行,列
參數介紹
- 第一個參數input是要索引查找的對象
- 第二個參數dim是要查找的維度,因為通常情況下我們使用的都是二維張量,所以可以簡單的記憶: 0代表行,1代表列
- 第三個參數index是你要索引的序列,它是一個tensor對象
剛開始學習pytorch,遇到瞭index_select(),一開始不太明白幾個參數的意思,後來查瞭一下資料,算是明白瞭一點。
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)
先定義瞭一個tensor,這裡用到瞭linspace和view方法。
第一個參數是索引的對象,第二個參數0表示按行索引,1表示按列進行索引,第三個參數是一個tensor,就是索引的序號,比如b裡面tensor[0, 2]表示第0行和第2行,c裡面tensor[1, 3]表示第1列和第3列。
輸出結果如下:
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.]])
示例2
import torch x = torch.Tensor([[[1, 2, 3], [4, 5, 6]], [[9, 8, 7], [6, 5, 4]]]) print(x) print(x.size()) index = torch.LongTensor([0, 0, 1]) print(torch.index_select(x, 0, index)) print(torch.index_select(x, 0, index).size()) print(torch.index_select(x, 1, index)) print(torch.index_select(x, 1, index).size()) print(torch.index_select(x, 2, index)) print(torch.index_select(x, 2, index).size())
input的張量形狀為2×2×3,index為[0, 0, 1]的向量
分別從0、1、2三個維度來使用index_select()函數,並輸出結果和形狀,維度大於2就會報錯因為input最大隻有三個維度
輸出:
tensor([[[1., 2., 3.],
[4., 5., 6.]],
[[9., 8., 7.],
[6., 5., 4.]]])
torch.Size([2, 2, 3])
tensor([[[1., 2., 3.],
[4., 5., 6.]],
[[1., 2., 3.],
[4., 5., 6.]],
[[9., 8., 7.],
[6., 5., 4.]]])
torch.Size([3, 2, 3])
tensor([[[1., 2., 3.],
[1., 2., 3.],
[4., 5., 6.]],
[[9., 8., 7.],
[9., 8., 7.],
[6., 5., 4.]]])
torch.Size([2, 3, 3])
tensor([[[1., 1., 2.],
[4., 4., 5.]],
[[9., 9., 8.],
[6., 6., 5.]]])
torch.Size([2, 2, 3])
對結果進行分析:
index是大小為3的向量,輸入的張量形狀為2×2×3
dim = 0時,輸出的張量形狀為3×2×3
dim = 1時,輸出的張量形狀為2×3×3
dim = 2時,輸出的張量形狀為2×2×3
註意輸出張量維度的變化與index大小的關系,結合輸出的張量與原始張量來分析index_select()函數的作用
到此這篇關於pytorch中index_select()的用法詳解的文章就介紹到這瞭,更多相關pytorch index_select()內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet!
推薦閱讀:
- PyTorch中Tensor和tensor的區別及說明
- 解析Pytorch中的torch.gather()函數
- pytorch教程之Tensor的值及操作使用學習
- Python深度學習之Pytorch初步使用
- Pytorch數據類型與轉換(torch.tensor,torch.FloatTensor)