var = [[0, 1, -4, 8],
[2, -3, 2, 1],
[5, -8, 7, 1]]
var = torch.Tensor(var)
这里,var
是3 x 4(2d)张量。如何交换第一行和第二行以获得以下2d张量?
2, -3, 2, 1
0, 1, -4, 8
5, -8, 7, 1
答案 0 :(得分:1)
生成您想要的排列索引:
index = torch.LongTensor([1,0,2])
应用排列:
var[index] = var
答案 1 :(得分:1)
您可以使用 index_select
:
>>> idx = torch.LongTensor([1,0,2])
>>> var.index_select(0, idx)
tensor([[ 2, -3, 2, 1],
[ 0, 1, -4, 8],
[ 5, -8, 7, 1]])
答案 2 :(得分:0)
other answer不起作用,因为某些尺寸在复制之前会被覆盖:
>>> var = [[0, 1, -4, 8],
[2, -3, 2, 1],
[5, -8, 7, 1]]
>>> x = torch.tensor(var)
>>> index = torch.LongTensor([1, 0, 2])
>>> x[index] = x
>>> x
tensor([[ 0, 1, -4, 8],
[ 0, 1, -4, 8],
[ 5, -8, 7, 1]])
对我来说,只需创建一个新的张量(具有单独的基础存储)即可保存结果:
>>> x = torch.tensor(var)
>>> index = torch.LongTensor([1, 0, 2])
>>> y = torch.zeros_like(x)
>>> y[index] = x
或者,您也可以使用(index_copy _)[https://pytorch.org/docs/stable/tensors.html#torch.Tensor.index_copy_](紧随explanation in discuss.pytorch.org之后),尽管我目前看不到这两种方法都有优势。
答案 3 :(得分:0)
其他答案表明,排列索引本身应该是张量,但这不是必需的。您可以像这样交换第一行和第二行:
>>> var
tensor([[ 0, 1, -4, 8],
[ 2, -3, 2, 1],
[ 5, -8, 7, 1]])
>>> var[[0, 1]] = var[[1, 0]]
>>> var
tensor([[ 2, -3, 2, 1],
[ 0, 1, -4, 8],
[ 5, -8, 7, 1]])
var
可以是NumPy数组或PyTorch张量。