Question

import numpy as np
import torch
a = torch.zeros(5)
b = torch.tensor(tuple((0,1,0,1,0)),dtype=torch.uint8)
c= torch.tensor([7.,9.])
print(a[b].size())
a[b]=c
print(a)

torch.Size（[2]）
张量（[0.，7.，0.，9.，0。]）

我正在努力了解其工作原理。我最初以为上面的代码使用Fancy索引，但是我意识到从 c 张量中获取的值将与标记为1的索引相对应地复制。此外，如果我未指定 b < / strong>作为 uint8 ，则以上代码将无法正常工作。有人可以解释一下上面代码的机制吗？

Answer 1

使用数组建立索引与numpy和我所知道的大多数其他向量化数学包中的工作原理相同。有两种情况：

当b的类型为uint8（认为布尔值，pytorch不能将bool与uint8区分）时，a[b]是1 -d数组，其中包含a（a[i]）中对应值b（b[i]）的子集。这些值是原始a的别名，因此，如果您对其进行修改，它们的对应位置也会随之更改。
可用于索引的另一种类型是int64的数组，在这种情况下a[b]创建形状为(*b.shape, *a.shape[1:])的数组。它的结构就像b替换了b[i]（a[i]）的每个元素。换句话说，通过指定应从a的哪个索引中提取数据来创建新数组。同样，这些值又是原始a的别名，因此，如果您修改a[b]，则每个a[b[i]]的{{1}}的值都会改变。 this问题中显示了一个示例用例。

在integer array indexing和boolean array indexing中为numpy解释了这两种模式，对于后者，您必须记住pytorch使用i代替uint8。

此外，如果您的目标是将数据从一个张量复制到另一个张量，则必须记住，bool之类的操作是就地操作（a[ixs] = b[ixs]已就地修改），我不能与autograd一起玩。如果要进行位置遮蔽，请使用torch.where。 this答案中显示了一个示例用例。

使用位掩码将数据从一个张量复制到另一个张量

1 个答案: