答案 0 :(得分:1)
您可以像在numpy中一样使用切片。 见下文
import torch
A = torch.rand((3,5,500))
indices = [2,4,5]
result = torch.cat([A[idx, :index, :] for idx, index in enumerate(indices)] , dim=0)
但是,您可以按照问题中的要求获取不同的切片
{{1}}
答案 1 :(得分:0)
PyTorch当前不支持此功能。切片张量将产生另一个张量,因为每个子张量将具有不同的尺寸。
解决此问题的一种方法是通过对每个张量进行迭代并建立索引:
#define exampleA(buf, ...) \
exampleB(buf __VA_OPT__(,) __VA_ARGS__)