Question

我正在尝试更新Pytorch中多维张量的非常特定的索引，并且我不确定如何访问正确的索引。我可以在Numpy中以非常简单的方式做到这一点：

import numpy as np
#set up the array containing the data
data = 100*np.ones((10,10,2))
data[5:,:,:] = 0
#select the data points that I want to update
idxs = np.nonzero(data.sum(2))
#generate the updates that I am going to do
updates = np.random.randint(5,size=(idxs[0].shape[0],2))
#update the data
data[idxs[0],idxs[1],:] = updates

我需要在Pytorch中实现此功能，但是我不确定如何执行此操作。似乎我需要scatter函数，但是该函数只能沿一个维度运行，而不需要多个维度。我该怎么办？

Answer 1

除了torch.nonzero以外，这些操作在其PyTorch副本中的工作原理完全相同，https://stackoverflow.com/a/19168875/1661745默认情况下返回大小为 [z，n] （其中 z 是非零元素的数量，而 n 是维数），而不是大小为 [z] 的 n 张量的元组（就像NumPy一样），但是可以通过设置as_tuple=True来更改该行为。

除此之外，您可以将其直接转换为PyTorch，但是您需要确保类型匹配，因为您无法将类型为torch.long（默认为torch.randint）的张量分配给张量类型为torch.float（默认为torch.ones）。在这种情况下，data可能具有类型torch.long：

#set up the array containing the data
data = 100*torch.ones((10,10,2), dtype=torch.long)
data[5:,:,:] = 0
#select the data points that I want to update
idxs = torch.nonzero(data.sum(2), as_tuple=True)
#generate the updates that I am going to do
updates = torch.randint(5,size=(idxs[0].shape[0],2))
#update the data
data[idxs[0],idxs[1],:] = updates

Pytorch：沿多轴具有张量的索引或一次分散到多个索引

1 个答案: