pytorch学习笔记（五）--tensor的高阶操作

原创

于 2019-07-12 18:59:14 发布 · 869 阅读

2 ·

CC 4.0 BY-SA版权

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