使用索引索引Tensor的第二维

Question

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]

Answer 1

如果使用pytorch version v0.1.12

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]

如果使用pytorch version v0.2.0

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]