torch花式索引

原创已于 2023-12-05 21:46:50 修改 · 99 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#深度学习 #pytorch #人工智能

于 2023-12-05 21:36:11 首次发布

文章介绍了如何在PyTorch中使用`torch.tensor`创建张量，并展示了如何通过索引操作（如`b1`和`idx_0,idx_1`）对多维张量进行切片，输出了相应的结果。

import torch
a1 = torch.tensor([1,2,3,4])
b1= torch.tensor([[1,3],[2,2]])
print(a1[b1])


b = torch.tensor([[0, 1],[2, 3],[4, 5]])
idx_0 = torch.tensor([[1, 0],[2, 1]])
idx_1 = torch.tensor([0, 1])
print(b[idx_0,idx_1])

输出

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

飘111

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

PyTorch 中的【高级索引】或【花式索引】

qq_40940771的博客

04-10

829

在 PyTorch 中，“高级索引” 或 “花式索引” 允许用户使用整数数组或布尔数组进行索引，从而获取张量中的指定元素。

PyTorch-高级索引

ReaFly的博客

03-05

535

Pytorch高级索引

参与评论您还未登录，请先登录后发表或查看评论

pytorch中Tensor的花式索引

Daisy_D99的博客

03-09

655

pytorch的tensor除了像numpy数组那样简单索引或者切片，还有一种花式索引，也就是`用tensor对tensor索引`，可以广播原tensor。下面给出示例和转为numpy版本的写法。

Pytorch中张量的索引和切片使用详解和代码示例

qq_36812406的博客

07-15

566

张量索引方式：├── 基础索引（x[i], x[i,j]）├── 切片（x[start:end], x[:, idx]）├── 高维省略（x[..., -1]）├── 增维/降维（x[None, :], x.squeeze()）├── 布尔索引（x[x>val]）├── 花式索引（x[[0, 2, 4]]）├── 条件赋值（x[x > a] = b）技巧类别适用场景关键函数/概念高级花式索引多维非连续索引，索引张量广播多张量索引广播坐标映射索引点云坐标、图像点批量索引。

Pytorch中Tensor的索引，切片以及花式索引(fancy indexing)

qq_44875293的博客

04-09

1万+

对pytorch中tensor的索引切片，以及更为高级的花式索引的理解

Pytorch：浅探Tensor的各种索引形式

要相信光

12-18

8070

文章目录前因各种Tensor索引操作1. 简单索引2. 一般的花式索引3. 复杂的花式索引4. Informer代码示例前因之前一直以为对ndarray的各种索引切片操作还算得上熟悉，但今天师弟问了我Informer实现中ProbSparse Self-Attention的一些Tensor索引操作，才发现有些操作还不太懂，而网上也缺乏相关的参考资料。因此在一系列探索下，写下了这篇博客。各种Tensor索引操作构造示例数组x，为一个三维tesnor： import torch x = torch.ar

torch索引

03-30

同时，检查是否有遗漏的重要索引方法，比如花式索引（fancy indexing）或使用torch.gather等函数，但根据提供的引用，用户主要关注的是基础和高阶索引操作，可能暂时不需要涉及更复杂的函数。现在需要组织内容结构...

torch.Tensor如何取数据

04-04

4. 使用花式索引获取指定位置的元素： ``` x = torch.tensor([[1, 2, 3], [4, 5, 6]]) indices = torch.tensor([0, 1]) print(x[indices]) # 输出tensor([[1, 2, 3], [4, 5, 6]]) ``` 以上是几种常用的方法，还有...

import numpy as np import torch # 转换特征数据时指定整数类型 features = np.array(features, dtype=np.int64) # 强制整数化 tensor_features = torch.from_numpy(features) # 生成索引时严格使用整数类型 index = np.arange(0, 10, dtype=np.int64) # 正确示例 selected = tensor_features[index] # 合法操作帮我把以上这段改成正确的

05-07

引用2和4提到了Python、numpy和PyTorch中的各种索引方式，包括基本索引、切片、布尔索引和花式索引。需要展示在PyTorch中如何进行这些操作，并指出与numpy的相似性。例如，布尔索引需要先生成布尔掩码，而花式索引...

Pytorch学习之torch----索引、切片、连接、变异操作

励志的小胡子

06-24

1万+

1. torch.cat(seq, dim=0, out=None) 说明：在给定维度上对输入的张量序列seq进行连接操作参数： seq(Tensor的序列) -- 可以是相同类型的Tensor的任何Python序列 dim(int, 可选) -- 张量连接的维度，按dim维度连接张量 out(Tensor,可选) -- 输出参数 >>> x = torch.ran...

Pytorch Tensor的索引与切片

热门推荐

洪流之源

06-25

6万+

1. Pytorch风格的索引根据Tensor的shape，从前往后索引，依次在每个维度上做索引。示例代码： import torch a = torch.rand(4, 3, 28, 28) print(a[0].shape) #取到第一个维度 print(a[0, 0].shape) # 取到二个维度 print(a[1, 2, 2, 4]) # 具体到某个元素上述代码创建...

tensor和numpy的花式索引

weixin_40875443的博客

11-30

955

pytorch tensor矩阵索引矩阵矩阵索引矩阵在这里插入代码片 import torch as t neg_mask_ints = t.arange(36).view(3, 3, 4) target = t.randint(0, 4, (3,)) print('target: ', target) print(neg_mask_ints) print(neg_mask_ints[:, :, target]) 输出 target: tensor([1, 0, 2]) tensor([[[ 0,

Python基础切片索引、布尔索引、花式索引

dake13的博客

07-31

9036

切片索引、布尔索引、花式索引是数组的三种索引方式，但三者对于原数据的影响是不同的： 1）切片索引 #切片索引切片是原结构的照片改变切片中的元素原结构跟着改变 a = np.arange(15).reshape(5,3) print(a) b1 = a[:2,2] print() print(b1) b1[0] = 16 print(a) 结果为：可见修改b1中的数据，会...

PyTorch中使用Tensor作为索引

pyxiea

09-28

1万+

一维Tensor作为索引在Numpy中，我们可以传入数组作为索引，称为花式索引。这里只演示使用两个一维List的例子。 In[42]: a=np.arange(18).reshape(6,3) In[43]: a Out[43]: array([[ 0, 1, 2], [ 3, 4, 5], [ 6, 7, 8], [ 9, 10, 11]...

花式索引与np.ix_函数

TzeSing's Blog

04-01

9002

花式索引(Fancy indexing)是Numpy的一个术语，指的是利用整数数组进行索引。（不仅是1维，也可以是多维）用法与例子如下：创建 arr 数组>>> arr1 = np.empty((8,4)) # 创建一个8行4列的二维数组 >>> for i in range(8): # 每一行赋值为0~7 arr1[...

torch学习 (42)：tensor的索引、切片、拼接，以及变异操作 (Indexing, Slicing, Joining, Mutating)

因吉的博客

03-31

6513

对torch中tensor的索引、切片、拼接等操作进行说明

torch中普通索引和高级索引

nyist_yangguang的博客

04-26

810

高级索引可以看做是普通索引操作的扩展，高级索引操作一般不和原始的Tensor共享内存。 Tensor内部结构：

003 卷积神经网络（CNN）-- 原理到实践