pytorch学习笔记(五)--tensor的高阶操作

本文是PyTorch学习笔记的第五部分,主要探讨Tensor的高阶操作,包括`where`函数的使用,它根据条件选择取值;以及`gather`功能,它实现了类似查表的操作,举例说明了这两个操作的具体应用。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

where

torch.where(condition,x,y) #condition必须是tensor类型

在这里插入图片描述
condition的维度和x,y一致,用1和0分别表示该位置的取值
例:输入:

cond = torch.tensor([[0.6, 0.7],
                    [0.3, 0.6]])
a = torch.tensor([[1., 1.],
                 [1., 1.]])
b = torch.tensor([[0., 0.],
                 [0., 0.]])
c = torch.where(cond > 0.5, a, b) #此时cond只有0和1的值
print(c)

输出:

tensor([[1., 1.],
        [0., 1.]])

高度并行

gather

torch.gather(input, dim, index, out=None)

相当于查表操作
举例:

prob = torch.randn(4, 10)
idx = prob.topk(dim=1, k=3)  # prob在维度1中前三个最大的数,一共有4行,返回值和对应的下标
print("all of topk idx: ", idx)
idx = idx[1]
print("idx[1]: ", idx)
label = torch.arange(10) + 100  # 举个例子,这里的列表表示为
# 0对应于100,1对应于101,以此类推,根据实际应
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

ThetaQing

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值