pytorch之张量切片函数index_select介绍

最近加入了一个deeplearning的学习小组开始学习pytorch，初始对这个向量切片函数index_select()感到有些疑惑，经过自己一番实验之后，应该算是懂了吧，和大家一起分享一下实验结果。

index_select有两种用法，一种是将某一个张量(tensor)作为变量传入torch.index_select()函数，还有一个是tensor的内置方法index_select。用法分别是

a=tensor.tensor([1,2])
# first use
c = torch.index_select(a, 1, torch.tensor([0]))
# second use
d = a.index_select(1 , torch.tensor([0]))

这两种用法的区别和python中的sort以及sorted函数有些类似。第一种用法 c会成为一个新的张量且不会和a共用内存，而第二种用法d会和a共用内存 

然后，如何使用这个切片函数呢？首先，我们看一下官方文档的介绍。

torch.index_select(input, dim, index, out=None) → Tensor

沿着指定维度对输入进行切片，取index中指定的相应项(index为一个LongTensor)，然后返回到一个新的张量， 返回的张量与原始张量_Tensor_有相同的维度(在指定轴上)。

注意： 返回的张量不与原始张量共享内存空间。

参数:

• input (Tensor) – 输入张量
• dim (int) – 索引的轴
• index (LongTensor) – 包含索引下标的一维张量
• out (Tensor, optional) – 目标张量

其实只要搞清楚这里的 dim和index参数的含义就好。通常我们能够写出来的，直观的数组就是二维数组，可以把它想象成一个表格，行是第零维（注意索引是从0开始的