pytorch Torch ：如何按行重排Tensor？

nwo49xxi 于 2022-11-09 发布在其他

关注(0)|答案(4)|浏览(366)

我目前在torch中工作，对一些输入数据实现随机洗牌（在行上，在本例中是第一维）。我是torch的新手，所以我在弄清楚置换是如何工作的方面遇到了一些麻烦。
下面的代码将打乱数据：

if argshuffle then 
    local perm = torch.randperm(sids:size(1)):long()
    print("\n\n\nSize of X and y before")
    print(X:view(-1, 1000, 128):size())
    print(y:size())
    print(sids:size())
    print("\nPerm size is: ")
    print(perm:size())
    X = X:view(-1, 1000, 128)[{{perm},{},{}}]
    y = y[{{perm},{}}]
    print(sids[{{1}, {}}])
    sids = sids[{{perm},{}}]
    print(sids[{{1}, {}}])
    print(X:size())
    print(y:size())
    print(sids:size())
    os.exit(69)
end

这会打印出来

Size of X and y before 
99 
1000
128
[torch.LongStorage of size 3]

99 
1
[torch.LongStorage of size 2]

99 
1
[torch.LongStorage of size 2]

Perm size is: 
99 
[torch.LongStorage of size 1]
5
[torch.LongStorage of size 1x1]
5
[torch.LongStorage of size 1x1]

99 
1000
128
[torch.LongStorage of size 3]

99 
1
[torch.LongStorage of size 2]

99 
1
[torch.LongStorage of size 2]

从值中，我可以暗示函数没有对数据进行shuffle。我如何才能使它正确shuffle，lua/torch中常见的解决方案是什么？

pytorch

来源：https://stackoverflow.com/questions/44738273/torch-how-to-shuffle-a-tensor-by-its-rows

4条答案

按热度按时间

t5fffqht1#

我也遇到了类似的问题。在文档中，没有用于Tensor的shuffle函数（有用于数据集加载器的shuffle函数）。我用torch.randperm找到了解决这个问题的方法。

>>> a=torch.rand(3,5)
>>> print(a)
tensor([[0.4896, 0.3708, 0.2183, 0.8157, 0.7861],
        [0.0845, 0.7596, 0.5231, 0.4861, 0.9237],
        [0.4496, 0.5980, 0.7473, 0.2005, 0.8990]])
>>> # Row shuffling
... 
>>> a=a[torch.randperm(a.size()[0])]
>>> print(a)
tensor([[0.4496, 0.5980, 0.7473, 0.2005, 0.8990],
        [0.0845, 0.7596, 0.5231, 0.4861, 0.9237],
        [0.4896, 0.3708, 0.2183, 0.8157, 0.7861]])
>>> # column shuffling
... 
>>> a=a[:,torch.randperm(a.size()[1])]
>>> print(a)
tensor([[0.2005, 0.7473, 0.5980, 0.8990, 0.4496],
        [0.4861, 0.5231, 0.7596, 0.9237, 0.0845],
        [0.8157, 0.2183, 0.3708, 0.7861, 0.4896]])

我希望它能回答这个问题！

赞(0）回复(0）举报 2022-11-09

v1l68za42#

dim = 0
idx = torch.randperm(t.shape[dim])

t_shuffled = t[idx]

例如，如果Tensor的形状为CxNxF（通道、行和特征），则可以沿着第二维进行洗牌，如下所示：

dim=1
idx = torch.randperm(t.shape[dim])

t_shuffled = t[:,idx]

赞(0）回复(0）举报 2022-11-09

tpgth1q73#

一个直接的解决方案是使用置换矩阵（线性代数中常见的矩阵）。由于您似乎对3d情况感兴趣，我们将不得不首先展平您的3dTensor。因此，这里是我想出的一个示例代码（即用型）

data=torch.floor(torch.rand(5,3,2)*100):float()
reordered_data=data:view(5,-1)

perm=torch.randperm(5);
perm_rep=torch.repeatTensor(perm,5,1):transpose(1,2)

indexes=torch.range(1,5);
indexes_rep=torch.repeatTensor(indexes,5,1)

permutation_matrix=indexes_rep:eq(perm_rep):float()
permuted=permutation_matrix*reordered_data

print("perm")
print(perm)
print("before permutation")
print(data)
print("after permutation")
print(permuted:view(5,3,2))

正如您将从一个执行中看到的，它根据perm中给定的行索引对Tensordata重新排序。

赞(0）回复(0）举报 2022-11-09

hfyxw5xn4#

根据您的语法，我假设您使用lua而不是PyTorch来进行torch。torch.Tensor.index是您的函数，它的工作方式如下：

x = torch.rand(4, 4)
p = torch.randperm(4)
print(x)
print(p)
print(x:index(1,p:long())

赞(0）回复(0）举报 2022-11-09

我来回答

pytorch Torch ：如何按行重排Tensor？

4条答案

相关问题

热门标签

最新问答