我使用索引张量在张量中选择了元素。这里的代码我使用索引列表0,3,2,1来选择11,15,2,5
>>> import torch
>>> a = torch.Tensor([5,2,11, 15])
>>> torch.randperm(4)
0
3
2
1
[torch.LongTensor of size 4]
>>> i = torch.randperm(4)
>>> a[i]
11
15
2
5
[torch.FloatTensor of size 4]
现在,我有
>>> b = torch.Tensor([[5, 2, 11, 15],[5, 2, 11, 15], [5, 2, 11, 15]])
>>> b
5 2 11 15
5 2 11 15
5 2 11 15
[torch.FloatTensor of size 3x4]
现在,我想使用索引来选择第0,3,2,1列。在其他词中,我想要一个像这样的张量
>>> b
11 15 2 5
11 15 2 5
11 15 2 5
[torch.FloatTensor of size 3x4]
答案 0 :(得分:3)
对于这个版本,没有一种简单的方法可以做到这一点。尽管pytorch承诺张量操作与numpy一样,但仍有一些功能仍然缺乏。这是其中之一。
通常,如果使用numpy数组,您可以相对容易地执行此操作。像这样。
>>> i = [2, 1, 0, 3]
>>> a = np.array([[5, 2, 11, 15],[5, 2, 11, 15], [5, 2, 11, 15]])
>>> a[:, i]
array([[11, 2, 5, 15],
[11, 2, 5, 15],
[11, 2, 5, 15]])
但是Tensors的同样的事情会给你一个错误:
>>> i = torch.LongTensor([2, 1, 0, 3])
>>> a = torch.Tensor([[5, 2, 11, 15],[5, 2, 11, 15], [5, 2, 11, 15]])
>>> a[:,i]
错误:
TypeError:使用类型为torch.LongTensor的对象索引张量。唯一支持的类型是整数,切片,numpy标量和torch.LongTensor或torch.ByteTensor作为唯一的参数。
TypeError告诉您的是,如果您打算使用LongTensor或ByteTensor进行索引,那么唯一有效的语法是a[<LongTensor>]
或a[<ByteTensor>]
。除此之外的任何东西都行不通。
由于此限制,您有两种选择:
选项1:转换为numpy,置换,然后返回Tensor
>>> i = [2, 1, 0, 3]
>>> a = torch.Tensor([[5, 2, 11, 15],[5, 2, 11, 15], [5, 2, 11, 15]])
>>> np_a = a.numpy()
>>> np_a = np_a[:,i]
>>> a = torch.from_numpy(np_a)
>>> a
11 2 5 15
11 2 5 15
11 2 5 15
[torch.FloatTensor of size 3x4]
选项2:将您想要置换的暗淡移动到0,然后执行此操作
你会将想要置换的暗淡(在你的情况下dim = 1)移动到0,执行置换并将其移回。它有点hacky,但它完成了工作。
def hacky_permute(a, i, dim):
a = torch.transpose(a, 0, dim)
a = a[i]
a = torch.transpose(a, 0, dim)
return a
并像这样使用它:
>>> i = torch.LongTensor([2, 1, 0, 3])
>>> a = torch.Tensor([[5, 2, 11, 15],[5, 2, 11, 15], [5, 2, 11, 15]])
>>> a = hacky_permute(a, i, dim=1)
>>> a
11 2 5 15
11 2 5 15
11 2 5 15
[torch.FloatTensor of size 3x4]
使用张量直接索引现在可以在此版本中使用。即
>>> i = torch.LongTensor([2, 1, 0, 3])
>>> a = torch.Tensor([[5, 2, 11, 15],[5, 2, 11, 15], [5, 2, 11, 15]])
>>> a[:,i]
11 2 5 15
11 2 5 15
11 2 5 15
[torch.FloatTensor of size 3x4]