Pytorch -我如何索引一个二维矩阵行方式?

mv1qrgav  于 12个月前  发布在  其他
关注(0)|答案(2)|浏览(100)

我想索引一个二维矩阵行和重新分配值。
例如,首先考虑一个一维向量的情况,我们有三个形状相同的一维Tensort1, indexes, t2。我们可以这样做索引和重新分配:

indexes = torch.tensor([0, 2, 1, 3])
t1 = torch.tensor([0.0, 0.0, 0.0, 0.0])
t2 = torch.tensor([0.1, 0.2, 0.3, 0.4])

t1[indexes] = t2

现在,假设t1, indexes, t2是二维矩阵而不是一维向量,并且具有相同的形状(R X C)。我想对这些矩阵中的每一行做类似的索引,其中:

for i in range(R):
    t1[i][indexes[i]] = t2[i]

我想将这个操作向量化,而不是使用for循环。我该怎么做?

sh7euo9m

sh7euo9m1#

因此,为了进行multi-index选择,您可以使用torch.gather函数,该函数沿dim(第二个参数)指定的轴沿着收集值。

示例1:

t2 = torch.tensor([[0.1, 0.2, 0.3, 0.4], 
                   [0.8, 1.8, 0.2, 0.3], 
                   [0.5, 0.1, 0.2, 0.4]])
indexes1 = torch.tensor([[0, 2, 0, 2], 
                         [0, 1, 1, 0], 
                         [0, 0, 1, 2]])
t1 = torch.gather(t2, 0, indexes1) # dim is 0
print(t1)

产出:

tensor([[0.1000, 0.1000, 0.3000, 0.4000],
        [0.1000, 1.8000, 0.2000, 0.4000],
        [0.1000, 0.2000, 0.2000, 0.4000]])

示例二:

t2 = torch.tensor([[0.1, 0.2, 0.3, 0.4], 
                   [0.8, 1.8, 0.2, 0.3], 
                   [0.5, 0.1, 0.2, 0.4]])
indexes2 = torch.tensor([[0, 3, 2, 0], 
                         [0, 1, 1, 3], 
                         [0, 0, 3, 2]])  
t1 = torch.gather(t2, 1, indexes2) # dim is 1
print(t1)

产出:

tensor([[0.1000, 0.4000, 0.3000, 0.1000],
        [0.8000, 1.8000, 1.8000, 0.3000],
        [0.5000, 0.5000, 0.4000, 0.2000]])

要了解更多关于torch.gather函数的信息,请参阅this SO讨论。
你也可以使用torch.Tensor.scatter_来做同样的事情。
t1.scatter_(0, indexes, t2)基本上是说将t2Tensor的元素发送到t1Tensor中的以下索引(在indexesTensor中指定),按行(dim 0)。

示例:

t1 = torch.zeros((3, 4))
t2 = torch.tensor([[0.1, 0.2, 0.3, 0.4], 
                   [0.8, 1.8, 0.2, 0.3], 
                   [0.5, 0.1, 0.2, 0.4]])
indexes = torch.tensor([[1, 2, 0, 2], 
                        [0, 1, 2, 1], 
                        [2, 0, 1, 0]])
t1 = t1.scatter_(0, indexes, t2)
print(t1)

产出:

tensor([[0.8000, 0.1000, 0.3000, 0.4000],
        [0.1000, 1.8000, 0.2000, 0.3000],
        [0.5000, 0.2000, 0.2000, 0.4000]])

你可以阅读更多关于它从这里。

8yoxcaq7

8yoxcaq72#

类似于@Anubhav的回答,scatter_的维度略有变化,这就完成了任务。来源:PyTorch Discussion

indexes = torch.tensor([[0, 2, 1, 3],
                        [1, 0, 3, 2]])
t1 = torch.zeros_like(indexes).float()
t2 = torch.tensor([[0.1, 0.2, 0.3, 0.4],
                   [0.5, 0.6, 0.7, 0.8]])
t1.scatter_(1, indexes, t2)

相关问题