Tensor索引操作

1. #Tensor索引操作
2. '''''
3. Tensor支持与numpy.ndarray类似的索引操作，语法上也类似
4. 如无特殊说明，索引出来的结果与原tensor共享内存，即修改一个，另一个会跟着修改
5. '''
6. import torch as t
7. a = t.randn(3,4)
8. '''''tensor([[ 0.1986,  0.1809,  1.4662,  0.6693],
9. [-0.8837, -0.0196, -1.0380,  0.2927],
10. [-1.1032, -0.2637, -1.4972,  1.8135]])'''
11. print(a[0])         #第0行
12. '''''tensor([0.1986, 0.1809, 1.4662, 0.6693])'''
13. print(a[:,0])       #第0列
14. '''''tensor([ 0.1986, -0.8837, -1.1032])'''
15. print(a[0][2])      #第0行第2个元素，等价于a[0,2]
16. '''''tensor(1.4662)'''
17. print(a[0][-1])     #第0行最后一个元素
18. '''''tensor(0.6693)'''
19. print(a[:2,0:2])    #前两行，第0,1列
20. '''''tensor([[ 0.1986,  0.1809],
21. [-0.8837, -0.0196]])'''
22. print(a[0:1,:2])    #第0行，前两列
23. '''''tensor([[0.1986, 0.1809]])'''
24. print(a[0,:2])      #注意两者的区别，形状不同
25. '''''tensor([0.1986, 0.1809])'''
26. print(a>1)
27. '''''tensor([[0, 0, 1, 0],
28. [0, 0, 0, 0],
29. [0, 0, 0, 1]], dtype=torch.uint8)'''
30. print(a[a>1])        #等价于a.masked_select(a>1),选择结果与原tensor不共享内存空间
31. print(a.masked_select(a>1))
32. '''''tensor([1.4662, 1.8135])
33. tensor([1.4662, 1.8135])'''
34. print(a[t.LongTensor([0,1])])
35. '''''tensor([[ 0.1986,  0.1809,  1.4662,  0.6693],
36. [-0.8837, -0.0196, -1.0380,  0.2927]])'''
37. '''''
38. 常用的选择函数
39. index_select(input,dim,index)   在指定维度dim上选取，列如选择某些列、某些行
40. masked_select(input,mask)       例子如上，a[a>0],使用ByteTensor进行选取
41. non_zero(input)                 非0元素的下标
42. gather(input,dim,index)         根据index，在dim维度上选取数据，输出size与index一样
43. gather是一个比较复杂的操作，对一个二维tensor，输出的每个元素如下：
44. out[i][j] = input[index[i][j]][j]   #dim = 0
45. out[i][j] = input[i][index[i][j]]   #dim = 1
46. '''
47. b = t.arange(0,16).view(4,4)
48. '''''tensor([[ 0,  1,  2,  3],
49. [ 4,  5,  6,  7],
50. [ 8,  9, 10, 11],
51. [12, 13, 14, 15]])'''
52. index = t.LongTensor([[0,1,2,3]])
53. print(b.gather(0,index))            #取对角线元素
54. '''''tensor([[ 0,  5, 10, 15]])'''
55. index = t.LongTensor([[3,2,1,0]]).t()       #取反对角线上的元素
56. print(b.gather(1,index))
57. '''''tensor([[ 3],
58. [ 6],
59. [ 9],
60. [12]])'''
61. index = t.LongTensor([[3,2,1,0]])           #取反对角线的元素，与上面不同
62. print(b.gather(0,index))
63. '''''tensor([[12,  9,  6,  3]])'''
64. index = t.LongTensor([[0,1,2,3],[3,2,1,0]]).t()
65. print(b.gather(1,index))
66. '''''tensor([[ 0,  3],
67. [ 5,  6],
68. [10,  9],
69. [15, 12]])'''
70. '''''
71. 与gather相对应的逆操作是scatter_，gather把数据从input中按index取出，而
72. scatter_是把取出的数据再放回去，scatter_函数时inplace操作
73. out = input.gather(dim,index)
74. out = Tensor()
75. out.scatter_(dim,index)
76. '''
77. x = t.rand(2, 5)
78. print(x)
79. c = t.zeros(3, 5).scatter_(0, t.LongTensor([[0, 1, 2, 0, 0], [2, 0, 0, 1, 2]]), x)
80. print(c)
81. 2018-10-23 20:30:30