Question

给定Torch中的1-D张量（torch.Tensor），包含可以比较的值（比如浮点），我们如何提取top- k 值的索引张量？

除了暴力方法之外，我正在寻找一些可以有效执行此任务的API调用，即Torch / lua提供的。

Answer 1

截取请求#496 Torch现在包含一个名为torch.topk的内置API。例如：

> t = torch.Tensor{9, 1, 8, 2, 7, 3, 6, 4, 5}

-- obtain the 3 smallest elements
> res = t:topk(3)
> print(res)
 1
 2
 3
[torch.DoubleTensor of size 3]

-- you can also get the indices in addition
> res, ind = t:topk(3)
> print(ind)
 2
 4
 6
[torch.LongTensor of size 3]

-- alternatively you can obtain the k largest elements as follow
-- (see the API documentation for more details)
> res = t:topk(3, true)
> print(res)
 9
 8
 7
[torch.DoubleTensor of size 3]

在编写本文时，CPU实现遵循sort and narrow approach（有计划在未来对其进行改进）。据说，针对cutorch的优化GPU实现目前正在reviewed。

Answer 2

只需遍历张量并运行比较：

require 'torch'

data = torch.Tensor({1,2,3,4,505,6,7,8,9,10,11,12})
idx  = 1
max  = data[1]

for i=1,data:size()[1] do
   if data[i]>max then
      max=data[i]
      idx=i
   end
end

print(idx,max)

- EDIT-- 回应您的编辑：使用此处记录的torch.max操作：https://github.com/torch/torch7/blob/master/doc/maths.md#torchmaxresval-resind-x-dim ...

y, i = torch.max(x, 1) returns the largest element in each column (across rows) of x, and a Tensor i of their corresponding indices in x

Answer 3

您可以使用topk功能。

例如：

def I(i: Int): AnyRef

结果：

import torch

t = torch.tensor([5.7, 1.4, 9.5, 1.6, 6.1, 4.3])

values,indices = t.topk(2)

print(values)
print(indices)

从1-D Tensor中提取top-k值指数

3 个答案: