np.ix_所做的就是将布尔数组输入转换为整数索引数组（通过.nonzero），然后引入单例维度以方便广播。例如：

x[ np.ix_(idx1, idx2, idx3) ]

相当于

x[ idx1[:, None, None], idx2[None, :, None], idx3[None, None, :] ]

只要每个索引包含整数。
我不知道pytorch中有任何ix_等价物，但巧合的是，在用.nonzero转换布尔索引后，得到的形状已经非常适合广播：

>>> import torch
>>>
>>> x = torch.arange(12).reshape(3, 4).cuda()
>>>
>>> rows = torch.tensor([False, True, True]).cuda()
>>> cols = cols = torch.tensor([0, 3]).cuda()
>>> val = torch.tensor([[1, 2], [3, 4]]).cuda()
>>>
>>> x[rows.nonzero(), cols] = val
>>> x
tensor([[ 0,  1,  2,  3],
        [ 1,  5,  6,  2],
        [ 3,  9, 10,  4]], device='cuda:0')

然而，在更一般的上下文中，你可以像np.ix_一样，在索引Tensor中插入用于广播的单例维度。

您可以使用torch.meshgrid：

>>> x = torch.arange(12).view(3, 4)

>>> x[torch.meshgrid(torch.tensor([1,2]), torch.tensor([0,3]))]
tensor([[ 4,  7],
        [ 8, 11]])