Six---pytorch学习---索引与切片

2022-08-13 19:32:30 阅读：160 来源： 互联网

标签：torch tensor 32 Six shape --- 索引 pytorch print

pytorch学习(3)

索引与切片

普通索引
冒号索引（切片）
index_select 选择特定索引
masked_select 选择符合条件的索引
take 索引

普通索引

index（有负索引）

import torch

a = torch.Tensor(2,3,32,32)
print(a.shape)
print(a[0].shape)
print(a[0][0].shape)
print(a[0][0][0][0].shape)
print(a[0][0][0][0])
-------------------------------------------------------
torch.Size([2, 3, 32, 32])
torch.Size([3, 32, 32])
torch.Size([32, 32])
torch.Size([])
tensor(8.4125e-16)

冒号索引（切片）

select first : last : step

import torch

a = torch.Tensor(2,3,32,32)
print(a[0:1,:,:,:].shape)
print(a[:,:,0:10,0:10].shape)
print(a[:,:,::2,::2].shape)
print(a[:,:,0:32:2,0:32:2].shape)
print(a[:,:,:,:].shape)
-------------------------------------------------------
torch.Size([1, 3, 32, 32])
torch.Size([2, 3, 10, 10])
torch.Size([2, 3, 16, 16])
torch.Size([2, 3, 16, 16])
torch.Size([2, 3, 32, 32])

index_select 选择特定索引

torch.index_select(x, 维度, torch.tensor([a,b]))
x代表目标张量，[a,b]代表从a到b

import torch

a = torch.linspace(0, 12, steps=12) 
#创建一个列表从0到12的浮点型
print(a)

c = a.view(3,4) #将a进行维度转换变为三行四列的二维张量

b = torch.index_select(c, 0, torch.tensor([0,2])) 
#索引张量c的1维，是行，即为索引第0行以及第2行
print(b)

d = torch.index_select(c, 1, torch.tensor([1,3])) 
#索引c的2维，是列，即为索引第1列和第3列
print(d)
-------------------------------------------------------
tensor([ 0.0000,  1.0909,  2.1818,  3.2727,  4.3636,  5.4545,  6.5455,  7.6364,
         8.7273,  9.8182, 10.9091, 12.0000])
tensor([[ 0.0000,  1.0909,  2.1818,  3.2727],
        [ 8.7273,  9.8182, 10.9091, 12.0000]])
tensor([[ 1.0909,  3.2727],
        [ 5.4545,  7.6364],
        [ 9.8182, 12.0000]])

masked_select选择符合条件的索引

torch.masked_select(input,mask) 根据一个布尔掩码(boolean mask)索引返回一个一维张量
masked_select 索引是在原来tensor的shape基础上打平，然后在打平的tensor上进行索引
返回的张量不予原始张量共享内存空间

import torch

a = torch.randn(3,3) #创建一个三行三列的正态分布的矩阵
print(a)
mask = torch.eye(3, 3, dtype=torch.bool) #根据torch.eye()创建一个布尔类型的三行三列的对角矩阵
print(mask)
c = torch.masked_select(a, mask) #将张量a基于mask进行索引
print(c)
-------------------------------------------------------
tensor([[ 1.1909,  0.2912, -0.1066],
        [ 0.9496,  0.6031,  1.5957],
        [-0.2447,  0.0101,  2.4906]])
tensor([[ True, False, False],
        [False,  True, False],
        [False, False,  True]])
tensor([1.1909, 0.6031, 2.4906])

take索引

torch.take(input, index) take索引是在原来tensor的shape基础上打平，然后按照index在打平后的tensor上索取对应位置的元素

import torch

a = torch.randn(3,3) #创建一个三行三列的正态分布的矩阵
print(a)
c = torch.take(a, torch.tensor([0,2,4,6,8]))
print(c)
-------------------------------------------------------
tensor([[-0.0397, -0.1663,  1.0296],
        [ 1.4970,  0.6902,  0.8004],
        [ 1.8391,  0.1241,  0.4261]])
tensor([-0.0397,  1.0296,  0.6902,  1.8391,  0.4261])

标签：torch,tensor,32,Six,shape,---,索引,pytorch,print
来源： https://www.cnblogs.com/311dih/p/16583850.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

ICode9