Torch.gather()及Tensor.gather()的详细说明【配图，代码】及应用示例

原创

已于 2022-08-16 17:45:41 修改 · 1.2k 阅读

5 ·

CC 4.0 BY-SA版权

文章标签：

#深度学习 #python #pytorch

于 2022-08-12 17:50:38 首次发布

本文详细介绍了PyTorch中的Torch.gather()和Tensor.gather()函数，包括它们的定义、工作原理和示例。通过示例展示了如何根据索引张量从输入张量中提取数据，并解释了不同维度下的操作方式。此外，还给出了一个应用例子，即根据类别权重生成权重列表。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Torch.gather() 和 Tensor.gather() 的说明及示例

1. 函数原型
Tensor.gather(dim, index) 和 torch.gather(input, dim, index, …)使用方法相似
下面主要以torch.gather()来说明。

out=torch.gather(input, dim, index, *, sparse_grad=False, out=None) → Tensor

1.1 定义：官网链接 https://pytorch.org/docs/stable/generated/torch.gather.html

#官网给出三维数据的说明
out[i][j][k] = input[index[i][j][k]][j][k]  # if dim == 0
out[i][j][k] = input[i][index[i][j][k

最低0.47元/天解锁文章

200万优质内容无限畅学

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

wwzgzg

关注关注

3
点赞
踩
5

收藏

觉得还不错? 一键收藏
1
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

Torch tensor.gather()学习

律己且好学，才能保证不坠入愤世嫉俗之列。

04-16

6132

最近在学习Pytorch的时候遇见了一个很棘手的函数gather，之前也转载了一个博客，但是也似懂非懂的，今天在此总结下，以便后续需要~ 首先贴一下官方的介绍： torch.gather(input, dim, index, out=None) → Tensor Gathers values along an axis specified by dim.（沿着dim指定的轴聚集 s值。） Fo...

【PyTorch】Torch.gather()用法详细图文解释

u013250861的博客

05-29

2825

使用函数的时候，涉及到3个Tensor及它们在这个函数中扮演的角色：input：输入（糖果区里等待被购买的各类糖果）index：索引（商场导购员）output：输出（来买糖果的人最终买走的某类糖果）另外还涉及到1个参数：dim：需要在input中使用index来“指路”的维度（选择糖果的范围）

1 条评论您还未登录，请先登录后发表或查看评论

torch.tensor.gather()

qq_42793744的博客

02-06

291

torch.tensor.gather的个人理解

Pytorch中gather()函数详解和实战示例

最新发布

qq_36812406的博客

06-17

397

input：待提取数据的张量。dim：在哪个维度上进行索引选择。index：一个与input在除了dim维度外相同形状的张量，其值指定了从input中提取的索引位置。返回值：从input的指定维度dim上根据index提取出的新张量。

torch.tensor.gather用法

qq_36892712的博客

12-09

786

是PyTorch中的一个函数，它根据索引从输入张量中收集值。

Pytorch：torch.Tensor.scatter()和torch.Tensor.gather

JacksonKim的博客

01-20

547

一、文档说明 1. Tensor.scatter(dim, index, src) → Tensor 它是torch.Tensor.scatter_()的错位版本，即： scatter_(dim, index, src, reduce=None) → Tensor 该函数用来scatter 对于一个3-D的tensor，self会被更新为 self[index[i][j][k]][j][k] = src[i][j][k] # if dim == 0 self[i][index[i][j][k]][k] =

tensor backward_torch.tensor的一些函数用法

weixin_39821035的博客

11-22

187

Tensor和Varible的合并新版本的torch中，变量封装variable和tensor合并，只需要在定义时加一个required_grad=true，就会开始跟踪历史记录，然后对包含这个的表达式进行backward的时候就会进行求导。变化：新版的tensor支持0维张量（标量），如之前对loss求sum会返回一个一维(1)张量，用.data[0]进行索引就可以得到标量，现在不用索引就可以直...

浅谈Pytorch中的torch.gather函数的含义

09-18

`torch.gather`的一个常见应用场景是在多分类任务中，当我们有一个one-hot编码的标签张量时，可以使用`torch.argmax`找到每个样本的预测类别，然后使用`torch.gather`来提取预测的正确类别。例如，如果你有一个形状...

Pytorch中torch.gather函数

12-21

另一种使用`torch.gather`的方式是在张量对象上直接调用`.gather()`方法，如示例中的`b.gather(dim, index)`。在这个例子中，张量`b`是一个二维张量，我们分别通过`dim=1`和`dim=0`进行索引。当`dim=1`时，我们沿行...

torch.gather()使用解析

weixin_44715117的博客

08-05

4271

torch.gather使用解析

图解PyTorch中的torch.gather函数

枉费红笺的博客

09-22

1121

1 背景去年我理解了torch.gather()用法，今年看到又给忘了，索性把自己的理解梳理出来，方便今后遗忘后快速上手。官方文档：TORCH.GATHERpytorch.org/docs/stable/generated/torch.gather.html?highlight=gather#torch.gather官方文档对torch.gather()的定义非常简洁定义：从原tensor中获取指定dim和指定index的数据看到这个核心定义，我们很容易想到gather()的基本想法其实就类似从完整数

pytorch gather_tensorflow实现torch.gather()函数

weixin_39840111的博客

11-25

351

在tensorflow和pytorch中都有一个gather函数，其作用相似但是用法不同。关于tf.gather的用法可以参考知乎作者Towser的文章《TF 中的 indexing 和 slicing》。torch.gather函数的用法也很简单，就是给定indices获取tensor对应元素。给个例子就明白了。tensor 下面直接给出torch.gather（针对二维情况）的tf实现，一维情...

tensor.gather()

m0_46069225的博客

08-29

782

其中，第一个子张量为input[0, [1, 3], :]，第二个子张量为input[1, [0, 2], :]，第三个子张量为input[2, [2, 1], :]。

深度学习笔记（三）——对Tensor索引操作函数gather的解释

weixin_45813658的博客

12-11

2175

本文针对二维张量的gather操作进行介绍，对索引如何使用和输入元素如何抽取进行理解。

tensor.gather()使用

m0_56013116的博客

10-10

391

pytorch的gather用法

【Pytorch】一文向您详细介绍 torch.gather

创作高质量博文，分享知识，共同进步！

04-25

3036

🔥【PyTorch深度解析】一文掌握torch.gather的奥秘，轻松实现张量索引与收集！🔥 你是否曾为PyTorch中复杂的张量操作而苦恼？别担心，本文将带你深入了解torch.gather函数的强大功能！通过简明易懂的语言和生动的实例，我们将揭示其工作原理，展示在序列选择和图像处理等场景中的实际应用。此外，还将探讨其变种和替代方案，让你在深度学习道路上更加游刃有余。快来加入我们，一起探索torch.gather的无限可能吧！#PyTorch #torch.gather #张量操作 #深度学习

torch.gather 和repeat 搭配

03-21

### PyTorch 中 `torch.gather` 和 `repeat` 的搭配用法 #### 什么是 `torch.gather`？ `torch.gather` 是 PyTorch 中的一个操作，用于从输入张量的不同维度收集指定索引位置上的元素。它允许按照给定的索引来提取特定的数据片段。其基本语法为： ```python torch.gather(input, dim, index, out=None, sparse_grad=False) ``` 其中： - `input`: 输入张量。 - `dim`: 要沿着哪个维度进行聚集操作。 - `index`: 指定要采集的索引值，形状需与目标一致[^1]。 #### 什么是 `repeat` 或 `.expand()` 方法？ `.repeat()` 是一种扩展张量的方法，可以重复某个张量的内容以匹配新的形状。它的作用类似于 NumPy 的 `tile` 函数。对于简单的广播机制不足的情况，可以通过 `.repeat()` 来实现更复杂的形状调整。其基本语法为： ```python tensor.repeat(*sizes) ``` 参数 `*sizes` 表示各个维度上需要重复的次数[^2]。 --- #### 组合使用场景分析当我们将 `torch.gather` 和 `repeat` 结合起来时，通常是为了处理以下情况之一： 1. **动态索引选择并复制**：先通过 `gather` 收集某些特定数据，再利用 `repeat` 将这些数据沿某一维度扩展到更大的规模。 2. **批量操作中的灵活映射**：在批处理模式下，针对不同样本执行个性化的特征抽取或变换。下面是一个具体的例子展示如何组合这两个功能。 --- #### 使用案例假设有一个二维矩阵 A，以及一组对应每一行的最大值索引 B。我们需要根据索引 B 提取每行最大值，并将其扩展成一个新的三维张量 C。 ##### 示例代码 ```python import torch # 创建一个随机二维张量 A (batch_size=3, feature_dim=4) A = torch.tensor([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]], dtype=torch.float) # 假设我们知道每行的最大值对应的列索引 B = torch.tensor([3, 2, 1]) # shape: (batch_size,) -> [3, 2, 1] # Step 1: 使用 gather 获取每行的最大值 max_values_per_row = torch.gather(A, 1, B.unsqueeze(1)) # unsqueeze 使 B 变为 (batch_size, 1) print("Max values per row:", max_values_per_row.squeeze()) # Output: tensor([4., 7., 10.]) # Step 2: 扩展结果至更高维空间 C = max_values_per_row.expand(-1, 4).unsqueeze(2) # expand 到 (batch_size, 4), 并增加一维变为 (batch_size, 4, 1) D = C.repeat(1, 1, 3) # 进一步 repeat 成 (batch_size, 4, 3) print(D.shape) # 输出应为 torch.Size([3, 4, 3]) ``` 上述代码展示了如何结合 `torch.gather` 和 `repeat` 完成复杂的数据转换任务。这里的关键在于理解 `gather` 如何定位所需数据，以及 `repeat` 怎样改变张量结构[^3]。 --- #### 注意事项 1. 当调用 `gather` 时，确保索引张量 (`index`) 的尺寸与目标维度相兼容。 2. 对于高阶张量的操作，务必注意各维度的意义及其顺序关系。 3. 如果涉及 GPU 计算，请确认所有参与运算的对象均位于同一设备之上[^4]。 ---