Question

对于给定的2D张量，我想检索所有值为CellOverrideLabelAccumulator的索引。我希望能够简单地使用1，它将返回torch.nonzero(a == 1).squeeze()。但是，相反，tensor([1, 3, 2])返回2D张量（没关系），每行有两个值（这不是我期望的值）。然后，应使用返回的索引来索引3D张量的第二维（索引1），再次返回2D张量。

torch.nonzero(a == 1)

显然，这不起作用，导致aRunTimeError：

RuntimeError：无效参数4：索引张量必须具有相同的尺寸作为输入张量 C：\ w \ 1 \ s \ windows \ pytorch \ aten \ src \ TH / generic / THTensorEvenMoreMath.cpp：453

看来import torch a = torch.Tensor([[12, 1, 0, 0], [4, 9, 21, 1], [10, 2, 1, 0]]) b = torch.rand(3, 4, 8) print('a_size', a.size()) # a_size torch.Size([3, 4]) print('b_size', b.size()) # b_size torch.Size([3, 4, 8]) idxs = torch.nonzero(a == 1) print('idxs_size', idxs.size()) # idxs_size torch.Size([3, 2]) print(b.gather(1, idxs))并不是我所期望的，我也无法按照我的想法使用它。 idxs是

idxs

但是通读documentation我不明白为什么我还要在结果张量中重新获得行索引。现在，我知道我可以通过切片tensor([[0, 1], [1, 3], [2, 2]])来获取正确的idx，但是仍然不能将这些值用作3D张量的索引，因为会产生与以前相同的错误。是否可以使用一维张量索引来选择给定维度上的项目？

Answer 1

您可以简单地对其进行切片并将其作为索引传递，如下所示：

In [193]: idxs = torch.nonzero(a == 1)     
In [194]: c = b[idxs[:, 0], idxs[:, 1]]  

In [195]: c   
Out[195]: 
tensor([[0.3411, 0.3944, 0.8108, 0.3986, 0.3917, 0.1176, 0.6252, 0.4885],
        [0.5698, 0.3140, 0.6525, 0.7724, 0.3751, 0.3376, 0.5425, 0.1062],
        [0.7780, 0.4572, 0.5645, 0.5759, 0.5957, 0.2750, 0.6429, 0.1029]])

或者，更简单和我更喜欢的方法是只使用torch.where()，然后直接在张量b中建立索引，如下所示：

In [196]: b[torch.where(a == 1)]  
Out[196]: 
tensor([[0.3411, 0.3944, 0.8108, 0.3986, 0.3917, 0.1176, 0.6252, 0.4885],
        [0.5698, 0.3140, 0.6525, 0.7724, 0.3751, 0.3376, 0.5425, 0.1062],
        [0.7780, 0.4572, 0.5645, 0.5759, 0.5957, 0.2750, 0.6429, 0.1029]])

关于以上使用torch.where()的方法的更多解释：它基于advanced indexing的概念起作用。也就是说，当我们使用序列对象元组（例如张量元组，列表元组，元组元组等）对张量进行索引时。

# some input tensor
In [207]: a  
Out[207]: 
tensor([[12.,  1.,  0.,  0.],
        [ 4.,  9., 21.,  1.],
        [10.,  2.,  1.,  0.]])

对于基本切片，我们需要一个整数索引元组：

   In [212]: a[(1, 2)] 
   Out[212]: tensor(21.)

要使用高级索引实现相同目的，我们将需要一个序列对象元组：

# adv. indexing using a tuple of lists
In [213]: a[([1,], [2,])] 
Out[213]: tensor([21.])

# adv. indexing using a tuple of tuples
In [215]: a[((1,), (2,))]  
Out[215]: tensor([21.])

# adv. indexing using a tuple of tensors
In [214]: a[(torch.tensor([1,]), torch.tensor([2,]))] 
Out[214]: tensor([21.])

返回的张量的尺寸总是比输入张量的尺寸小一维。

Answer 2

import torch

a = torch.Tensor([[12, 1, 0, 0],
                  [4, 9, 21, 1],
                  [10, 2, 1, 0]])

b = torch.rand(3, 4, 8)

print('a_size', a.size())
# a_size torch.Size([3, 4])
print('b_size', b.size())
# b_size torch.Size([3, 4, 8])

#idxs = torch.nonzero(a == 1, as_tuple=True)
idxs = torch.nonzero(a == 1)
#print('idxs_size', idxs.size())

print(torch.index_select(b,1,idxs[:,1]))

Answer 3

假设b的三个维度为batch_size x sequence_length x features（b x s x个专长），则可以实现以下预期结果。

import torch

a = torch.Tensor([[12, 1, 0, 0],
                  [4, 9, 21, 1],
                  [10, 2, 1, 0]])

b = torch.rand(3, 4, 8)
print(b.size())
# b x s x feats
idxs = torch.nonzero(a == 1)[:, 1]
print(idxs.size())
# b
c = b[torch.arange(b.size(0)), idxs]
print(c.size())
# b x feats

Answer 4

作为@ kmario23解决方案的补充，您仍然可以实现类似的结果

b[torch.nonzero(a==1,as_tuple=True)]

对于给定条件，获取2D张量A中值的索引，使用那些索引3D张量B中的值

4 个答案: