pytorch 我可以用逻辑索引或索引列表来分割Tensor吗?

muk1a3rh  于 2023-04-30  发布在  其他
关注(0)|答案(3)|浏览(209)

我正在尝试使用列上的逻辑索引来切片PyTorchTensor。我想要索引向量中对应于1值的列。切片和逻辑索引都是可能的,但是它们可以一起使用吗?如果是,如何做到?我的尝试不断抛出无用的错误
TypeError:使用ByteTensor类型的对象索引Tensor。唯一支持的类型是整数、切片、numpy标量和torch。LongTensor或torch。ByteTensor作为唯一参数。

MCVE

期望输出

import torch

C = torch.LongTensor([[1, 3], [4, 6]])
# 1 3
# 4 6

逻辑索引仅对列:

A_log = torch.ByteTensor([1, 0, 1]) # the logical index
B = torch.LongTensor([[1, 2, 3], [4, 5, 6]])
C = B[:, A_log] # Throws error

如果向量大小相同,则逻辑索引工作:

B_truncated = torch.LongTensor([1, 2, 3])
C = B_truncated[A_log]

我可以通过重复逻辑索引来获得所需的结果,使其具有与我索引的Tensor相同的大小,但之后我还必须重新调整输出。

C = B[A_log.repeat(2, 1)] # [torch.LongTensor of size 4]
C = C.resize_(2, 2)

我还尝试使用索引列表

A_idx = torch.LongTensor([0, 2]) # the index vector
C = B[:, A_idx] # Throws error

如果我想要索引的连续范围,切片工作:

C = B[:, 1:2]
luaexgnf

luaexgnf1#

我想这是作为index_select函数实现的,可以试试

import torch

A_idx = torch.LongTensor([0, 2]) # the index vector
B = torch.LongTensor([[1, 2, 3], [4, 5, 6]])
C = B.index_select(1, A_idx)
# 1 3
# 4 6
7gcisfzg

7gcisfzg2#

在PyTorch 1中。5.0中,用作索引的Tensor必须是long、byte或boolTensor。
下面是一个索引作为长的Tensor。

import torch

B = torch.LongTensor([[1, 2, 3], [4, 5, 6]])
idx1 = torch.LongTensor([0, 2])

B[:, idx1]
# tensor([[1, 3],
#         [4, 6]])

下面是一个布尔(逻辑索引)的Tensor:

idx2 = torch.BoolTensor([True, False, True]) 

B[:, idx2]
# tensor([[1, 3],
#         [4, 6]])
qnyhuwrf

qnyhuwrf3#

我尝试了这段代码,并将结果作为注解写在它旁边。

import torch

arr = torch.tensor([[0,1,2],[3,4,5]])
arr = torch.arange(6).reshape((2,3))
print(arr)
#   tensor([[0, 1, 2],
#   [3, 4, 5]])

print(arr[1]) # tensor([3, 4, 5])
print(arr[1,1]) # tensor(4)
print(arr[1, :]) # tensor([3, 4, 5])
#print(arr[1,1,1]) #    IndexError: too many indices for tensor of dimension 2
print(arr[1, [0,1]]) # tensor([3, 4])
print(arr[[0, 1],0]) # tensor([0, 3])

相关问题