Question

我有 2 个张量：

A with shape (batch, sequence, vocab) 和 B 具有形状（批次、序列）。

A = torch.tensor([[[ 1.,  2.,  3.],
     [ 5.,  6.,  7.]],

    [[ 9., 10., 11.],
     [13., 14., 15.]]])

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

我想得到以下内容：

C = torch.zeros_like(B)
for i in range(B.shape[0]):
   for j in range(B.shape[1]):
      C[i,j] = A[i,j,B[i,j]]

但是以矢量化的方式。我试过 torch.gather 和其他东西，但我不能让它工作。有人可以帮我吗？

Answer 1

>>> import torch
>>> A = torch.tensor([[[ 1.,  2.,  3.],
...      [ 5.,  6.,  7.]],
... 
...     [[ 9., 10., 11.],
...      [13., 14., 15.]]])
>>> B = torch.tensor([[0, 2],
...     [1, 0]])
>>> A.shape
torch.Size([2, 2, 3])
>>> B.shape
torch.Size([2, 2])
>>> C = torch.zeros_like(B)
>>> for i in range(B.shape[0]):
...    for j in range(B.shape[1]):
...       C[i,j] = A[i,j,B[i,j]]
... 
>>> C
tensor([[ 1,  7],
        [10, 13]])
>>> torch.gather(A, -1, B.unsqueeze(-1))
tensor([[[ 1.],
         [ 7.]],

        [[10.],
         [13.]]])
>>> torch.gather(A, -1, B.unsqueeze(-1)).shape
torch.Size([2, 2, 1])
>>> torch.gather(A, -1, B.unsqueeze(-1)).squeeze(-1)
tensor([[ 1.,  7.],
        [10., 13.]])

您好，您可以使用 torch.gather(A, -1, B.unsqueeze(-1)).squeeze(-1)。 -1 和 A 之间的第一个 B.unsqueeze(-1) 表示您要沿其选择元素的维度。

B.unsqueeze(-1) 中的第二个 -1 是在 B 上加一个暗度，使两个张量的暗度相同，否则你会得到 RuntimeError: Index tensor must have the same number of dimensions as input tensor。

最后一个 -1 是将结果从 torch.Size([2, 2, 1]) 重塑为 torch.Size([2, 2])

使用 pyTorch 张量沿一个特定维度和 3 维张量进行索引

1 个答案: