编辑

Question

让我们

a = tensor([[0, 0, 0, 0],
            [0, 0, 0, 0],
            [0, 0, 0, 0]])
b = torch.tensor([1, 2])
c = tensor([[1, 2, 0, 0],
            [0, 1, 2, 0],
            [0, 0, 1, 2]])

是否有一种方法可以通过将c分配给b的切片而没有任何循环来获取a？也就是说，a[indices] = b代表某些indices还是类似的东西？

Answer 1

您可以在pytorch中使用scatter方法。

a = torch.tensor([[0, 0, 0, 0],
                 [0, 0, 0, 0],
                 [0, 0, 0, 0]])

b = torch.tensor([1, 2])

index = torch.tensor([[0,1],[1,2],[2,3]])

a.scatter_(1, index, b.view(-1,2).repeat(3,1))
# tensor([[1, 2, 0, 0],
#         [0, 1, 2, 0],
#         [0, 0, 1, 2]])

Answer 2

该操作背后的逻辑有些不确定，因为尚不清楚该操作的参数是什么。但是，仅通过矢量化操作从输入中获得所需输出的一种方法是：

确定需要多少行（在您的示例中为3）
创建一个具有许多列的a，以使b后跟零个数作为行数（2 + 3）和选定的行数（{{ 1}}）
将3分配到b的开头
展平数组，将a切成零，并调整为目标形状。

在NumPy中，可以实现为：

num_rows

编辑

在Torch中实现的相同方法：

import numpy as np


b = np.array([1, 2])
c = np.array([[1, 2, 0, 0],
              [0, 1, 2, 0],
              [0, 0, 1, 2]])

num_rows = 3
a = np.zeros((num_rows, len(b) + num_rows), dtype=b.dtype)
a[:, :len(b)] = b
a = a.ravel()[:-num_rows].reshape((num_rows, len(b) + num_rows - 1))

print(a)
# [[1 2 0 0]
#  [0 1 2 0]
#  [0 0 1 2]]

print(np.all(a == c))
# True

将张量分配给多个切片

2 个答案:

编辑