您好,登錄后才能下訂單哦!
本篇內(nèi)容主要講解“torch.index_select()怎么使用”,感興趣的朋友不妨來看看。本文介紹的方法操作簡單快捷,實用性強。下面就讓小編來帶大家學習“torch.index_select()怎么使用”吧!
函數(shù)形式:
index_select( dim, index )
參數(shù):
dim:表示從第幾維挑選數(shù)據(jù),類型為int值;
index:表示從第一個參數(shù)維度中的哪個位置挑選數(shù)據(jù),類型為torch.Tensor類的實例;
剛開始學習pytorch,遇到了index_select(),一開始不太明白幾個參數(shù)的意思,后來查了一下資料,算是明白了一點。
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)
先定義了一個tensor,這里用到了linspace和view方法。
第一個參數(shù)是索引的對象,第二個參數(shù)0表示按行索引,1表示按列進行索引,第三個參數(shù)是一個tensor,就是索引的序號,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。
輸出結(jié)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:從張量的某個維度的指定位置選取數(shù)據(jù)。
代碼實例:
t = torch.arange(24).reshape(2, 3, 4) # 初始化一個tensor,從0到23,形狀為(2,3,4) print("t--->", t) index = torch.tensor([1, 2]) # 要選取數(shù)據(jù)的位置 print("index--->", index) data1 = t.index_select(1, index) # 第一個參數(shù):從第1維挑選, 第二個參數(shù):從該維中挑選的位置 print("data1--->", data1) data2 = t.index_select(2, index) # 第一個參數(shù):從第2維挑選, 第二個參數(shù):從該維中挑選的位置 print("data2--->", data2)
運行結(jié)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])
data1---> tensor([[[ 4, 5, 6, 7],
[ 8, 9, 10, 11]],
[[16, 17, 18, 19],
[20, 21, 22, 23]]])
data2---> tensor([[[ 1, 2],
[ 5, 6],
[ 9, 10]],
[[13, 14],
[17, 18],
[21, 22]]])
到此,相信大家對“torch.index_select()怎么使用”有了更深的了解,不妨來實際操作一番吧!這里是億速云網(wǎng)站,更多相關內(nèi)容可以進入相關頻道進行查詢,關注我們,繼續(xù)學習!
免責聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點不代表本網(wǎng)站立場,如果涉及侵權(quán)請聯(lián)系站長郵箱:is@yisu.com進行舉報,并提供相關證據(jù),一經(jīng)查實,將立刻刪除涉嫌侵權(quán)內(nèi)容。