pytorch中index_select()的用法

index_select(input, dim, index)

功能:在指定的維度dim上選取數(shù)據(jù),不如選取某些行,列

參數(shù)介紹

• 第一個(gè)參數(shù)input是要索引查找的對(duì)象
• 第二個(gè)參數(shù)dim是要查找的維度,因?yàn)橥ǔＧ闆r下我們使用的都是二維張量,所以可以簡(jiǎn)單的記憶: 0代表行,1代表列
• 第三個(gè)參數(shù)index是你要索引的序列,它是一個(gè)tensor對(duì)象

剛開(kāi)始學(xué)習(xí)pytorch，遇到了index_select(),一開(kāi)始不太明白幾個(gè)參數(shù)的意思，后來(lái)查了一下資料，算是明白了一點(diǎn)。

a = torch.linspace(1, 12, steps=12).view(3, 4)
print(a)
b = torch.index_select(a, 0, torch.tensor([0, 2]))
print(b)
print(a.index_select(0, torch.tensor([0, 2])))
c = torch.index_select(a, 1, torch.tensor([1, 3]))
print(c)

先定義了一個(gè)tensor，這里用到了linspace和view方法。

第一個(gè)參數(shù)是索引的對(duì)象，第二個(gè)參數(shù)0表示按行索引，1表示按列進(jìn)行索引，第三個(gè)參數(shù)是一個(gè)tensor，就是索引的序號(hào)，比如b里面tensor[0， 2]表示第0行和第2行，c里面tensor[1, 3]表示第1列和第3列。

輸出結(jié)果如下：

tensor([[ 1.,  2.,  3.,  4.],
        [ 5.,  6.,  7.,  8.],
        [ 9., 10., 11., 12.]])
tensor([[ 1.,  2.,  3.,  4.],
        [ 9., 10., 11., 12.]])
tensor([[ 1.,  2.,  3.,  4.],
        [ 9., 10., 11., 12.]])
tensor([[ 2.,  4.],
        [ 6.,  8.],
        [10., 12.]])

示例2 

import torch
 
x = torch.Tensor([[[1, 2, 3],
          [4, 5, 6]],
 
         [[9, 8, 7],
          [6, 5, 4]]])
print(x)
print(x.size())
index = torch.LongTensor([0, 0, 1])
print(torch.index_select(x, 0, index))
print(torch.index_select(x, 0, index).size())
print(torch.index_select(x, 1, index))
print(torch.index_select(x, 1, index).size())
print(torch.index_select(x, 2, index))
print(torch.index_select(x, 2, index).size())

input的張量形狀為2×2×3，index為[0, 0, 1]的向量

分別從0、1、2三個(gè)維度來(lái)使用index_select()函數(shù)，并輸出結(jié)果和形狀，維度大于2就會(huì)報(bào)錯(cuò)因?yàn)閕nput最大只有三個(gè)維度

輸出：

tensor([[[1., 2., 3.],
         [4., 5., 6.]],
 
        [[9., 8., 7.],
         [6., 5., 4.]]])
torch.Size([2, 2, 3])
tensor([[[1., 2., 3.],
         [4., 5., 6.]],
 
        [[1., 2., 3.],
         [4., 5., 6.]],
 
        [[9., 8., 7.],
         [6., 5., 4.]]])
torch.Size([3, 2, 3])
tensor([[[1., 2., 3.],
         [1., 2., 3.],
         [4., 5., 6.]],
 
        [[9., 8., 7.],
         [9., 8., 7.],
         [6., 5., 4.]]])
torch.Size([2, 3, 3])
tensor([[[1., 1., 2.],
         [4., 4., 5.]],
 
        [[9., 9., 8.],
         [6., 6., 5.]]])
torch.Size([2, 2, 3])

對(duì)結(jié)果進(jìn)行分析：

index是大小為3的向量，輸入的張量形狀為2×2×3

dim = 0時(shí)，輸出的張量形狀為3×2×3

dim = 1時(shí)，輸出的張量形狀為2×3×3

dim = 2時(shí)，輸出的張量形狀為2×2×3

注意輸出張量維度的變化與index大小的關(guān)系，結(jié)合輸出的張量與原始張量來(lái)分析index_select()函數(shù)的作用

到此這篇關(guān)于pytorch中index_select()的用法詳解的文章就介紹到這了,更多相關(guān)pytorch index_select()內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！