Question

我有一对张量S和T，尺寸为(s1,...,sm)和(t1,...,tn)，且si < ti。我想在T的每个维度中指定索引列表，以“嵌入” S中的T。如果I1是s1中(0,1,...,t1)索引的列表，并且同样适用于I2到In的索引，我想做类似的事情 T.select(I1,...,In)=S 这将导致现在T在索引S上具有等于(I1,...,In)条目的条目。例如

`S=
[[1,1],
[1,1]]

T=
[[0,0,0],
[0,0,0],
[0,0,0]]

T.select([0,2],[0,2])=S

T=
[[1,0,1],
[0,0,0],
[1,0,1]]`

Answer 1

如果您灵活地仅对索引部分使用NumPy ，那么这是一种方法，方法是使用numpy.ix_()构造一个开放式网格并使用该网格来填充来自张量S。如果不可接受，则可以使用torch.meshgrid()

下面是两种方法的说明，说明中散布着注释。

# input tensors to work with
In [174]: T 
Out[174]: 
tensor([[0, 0, 0],
        [0, 0, 0],
        [0, 0, 0]])

# I'm using unique tensor just for clarity; But any tensor should work.
In [175]: S 
Out[175]: 
tensor([[10, 11],
        [12, 13]])

# indices where we want the values from `S` to be filled in, along both dimensions
In [176]: idxs = [[0,2], [0,2]]

现在，我们将通过传递索引来利用np.ix_()或torch.meshgrid()来生成开放网格：

# mesh using `np.ix_`
In [177]: mesh = np.ix_(*idxs)

# as an alternative, we can use `torch.meshgrid()` 
In [191]: mesh = torch.meshgrid([torch.tensor(lst) for lst in idxs])

# replace the values from tensor `S` using basic indexing
In [178]: T[mesh] = S 

# sanity check!
In [179]: T 
Out[179]:
tensor([[10,  0, 11],
        [ 0,  0,  0],
        [12,  0, 13]])

Pytorch：使用索引列表访问子张量

1 个答案: