Question

假设您有3个相同大小的张量：

    ID <- c("f1", "f1", "f1", "f1", "f2", "f2", "f2", "f2", "f3", "f3", "f3", "f3")
    time <- rep(c(66, 68, 70, 72), 3)
    obs <- c(1, 3, 5, 6, 0, 0, 3, 4, 0, 1, 3, 3)
    new.time <- c(0, 2, 4, 6, NA, NA, 0, 2, NA, 0, 2, 4)
    data <- as.data.frame(cbind(ID, time, obs, new.time))

在Lua（torch7）中，它们具有this功能：

a = torch.randn(3,3)                    
a = ([[ 0.1945,  0.8583,  2.6479],       
    [-0.1000,  1.2136, -0.3706],
    [-0.0094,  0.4279, -0.6840]])

b = torch.randn(3, 3)
b = ([[-1.1155,  0.2106, -0.2183],
    [ 1.6610, -0.6953,  0.0052],
    [-0.8955,  0.0953, -0.7737]])

c = torch.randn(3, 3)
c = ([[-0.2303, -0.3427, -0.4990],
    [-1.1254,  0.4432,  0.3999],
    [ 0.2489, -0.9459, -0.5576]])

将给定的[self] map2(tensor1, tensor2, function(x, xt1, xt2))应用于function的所有元素。

我的问题是：

python（pytorch）中是否有任何类似的功能？
在不使用self和for loop的情况下，是否有任何pythonic方法可以迭代3个张量并获取每个张量的各个元素？

例如：

indices

编辑_1：我也尝试过itertools.zip_longest和zip，但是结果与上面提到的不一样

Answer 1

您可以使用Python的map函数，类似于您提到的函数。像这样：

>>> tensor_list = [torch.tensor([i, i, i]) for i in range(3)]
>>> list(map(lambda x: x**2, tensor_list))
[tensor([0, 0, 0]), tensor([1, 1, 1]), tensor([4, 4, 4])]
>>>

编辑：对于仅使用PyTorch的方法，您可以使用torch.Tensor.apply_（请注意，这会进行适当的更改，并且不会返回新的张量）

>>> x = torch.tensor([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
>>> x.apply_(lambda y: y ** 2)
tensor([[ 1,  4,  9],
        [16, 25, 36],
        [49, 64, 81]])
>>>

如何遍历一组张量并将每个组中的元素传递给函数？

1 个答案: