怎么做宇宙网站,高校网站建设,环境设计专业网站,南头手机公司网站建设1 基本使用方法
index_select 是 PyTorch 中的一个非常有用的函数#xff0c;允许从给定的维度中选择指定索引的张量值
torch.index_select(input, dim, index, outNone) - Tensorinput从中选择数据的源张量dim从中选择数据的维度index 一个 1D 张量#xff0c;包含你想…1 基本使用方法
index_select 是 PyTorch 中的一个非常有用的函数允许从给定的维度中选择指定索引的张量值
torch.index_select(input, dim, index, outNone) - Tensorinput从中选择数据的源张量dim从中选择数据的维度index 一个 1D 张量包含你想要从 dim 维度中选择的索引 此张量应该是 LongTensor 类型 out 一个可选的参数用于指定输出张量。 如果没有提供将创建一个新的张量。
2 举例
import torch
import numpy as npx torch.tensor(np.arange(16).reshape(4,4))
indextorch.LongTensor([1,3])
xtensor([[ 0, 1, 2, 3],[ 4, 5, 6, 7],[ 8, 9, 10, 11],[12, 13, 14, 15]], dtypetorch.int32)
torch.index_select(x,dim0,indexindex)tensor([[ 4, 5, 6, 7],[12, 13, 14, 15]], dtypetorch.int32)
torch.index_select(x,dim1,indexindex)tensor([[ 1, 3],[ 5, 7],[ 9, 11],[13, 15]], dtypetorch.int32)3 index_select保存梯度
import torch
import numpy as npx torch.tensor(np.arange(16).reshape(4,4),dtypetorch.float32, requires_gradTrue)
indextorch.LongTensor([1,3])
xtensor([[ 0., 1., 2., 3.],[ 4., 5., 6., 7.],[ 8., 9., 10., 11.],[12., 13., 14., 15.]], requires_gradTrue)
torch.index_select(x,dim0,indexindex)tensor([[ 4., 5., 6., 7.],[12., 13., 14., 15.]], grad_fnIndexSelectBackward0)
torch.index_select(x,dim1,indexindex)tensor([[ 1., 3.],[ 5., 7.],[ 9., 11.],[13., 15.]], grad_fnIndexSelectBackward0)
