快捷導(dǎo)航

詳解PyTorch中Tensor的高階操作

更新時(shí)間：2019年08月18日 15:40:16 作者：Steven·簡(jiǎn)談

這篇文章主要介紹了詳解PyTorch中Tensor的高階操作，文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧

條件選?。簍orch.where(condition, x, y) → Tensor

返回從 x 或 y 中選擇元素的張量，取決于 condition

操作定義：

舉個(gè)例子：

>>> import torch
>>> c = randn(2, 3)
>>> c
tensor([[ 0.0309, -1.5993, 0.1986],
    [-0.0699, -2.7813, -1.1828]])
>>> a = torch.ones(2, 3)
>>> a
tensor([[1., 1., 1.],
    [1., 1., 1.]])
>>> b = torch.zeros(2, 3)
>>> b
tensor([[0., 0., 0.],
    [0., 0., 0.]])
>>> torch.where(c > 0, a, b)
tensor([[1., 0., 1.],
    [0., 0., 0.]])

把張量中的每個(gè)數(shù)據(jù)都代入條件中，如果其大于 0 就得出 a，其它情況就得出 b，同樣是把 a 和 b 的相同位置的數(shù)據(jù)導(dǎo)出。

查表搜集：torch.gather(input, dim, index, out=None) → Tensor

沿給定軸 dim，將輸入索引張量 index 指定位置的值進(jìn)行聚合

對(duì)一個(gè)3維張量，輸出可以定義為：

out[i][j][k] = tensor[index[i][j][k]][j][k] # dim=0
out[i][j][k] = tensor[i][index[i][j][k]][k] # dim=1
out[i][j][k] = tensor[i][j][index[i][j][k]] # dim=3

舉個(gè)例子：

>>> a = torch.randn(4, 10)
>>> b = a.topk(3, dim = 1)
>>> b
(tensor([[ 1.0134, 0.8785, -0.0373],
    [ 1.4378, 1.4022, 1.0115],
    [ 0.8985, 0.6795, 0.6439],
    [ 1.2758, 1.0294, 1.0075]]), tensor([[5, 7, 6],
    [2, 5, 8],
    [5, 9, 2],
    [7, 9, 6]]))
>>> index = b[1]
>>> index
tensor([[5, 7, 6],
    [2, 5, 8],
    [5, 9, 2],
    [7, 9, 6]])
>>> label = torch.arange(10) + 100
>>> label
tensor([100, 101, 102, 103, 104, 105, 106, 107, 108, 109])
>>> torch.gather(label.expand(4, 10), dim=1, index=index.long()) # 進(jìn)行聚合操作
tensor([[105, 107, 106],
    [102, 105, 108],
    [105, 109, 102],
    [107, 109, 106]])

把 label 擴(kuò)展為二維數(shù)據(jù)后，以 index 中的每個(gè)數(shù)據(jù)為索引，取出在 label 中索引位置的數(shù)據(jù)，再以 index 的的位置擺放。

比如，最后得出的結(jié)果中，第一行的 105 就是 label.expand(4, 10) 中第一行中索引為 5 的數(shù)據(jù)，提取出來(lái)后放在 5 所在的位置。

以上就是本文的全部?jī)?nèi)容，希望對(duì)大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。

您可能感興趣的文章:

相關(guān)文章

pycharm實(shí)現(xiàn)在虛擬環(huán)境中引入別人的項(xiàng)目
這篇文章主要介紹了pycharm實(shí)現(xiàn)在虛擬環(huán)境中引入別人的項(xiàng)目，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來(lái)看看吧
2020-03-03
python獲取點(diǎn)擊的坐標(biāo)畫圖形的方法
今天小編就為大家分享一篇python獲取點(diǎn)擊的坐標(biāo)畫圖形的方法，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來(lái)看看吧
2019-07-07
PyQt5+serial模塊實(shí)現(xiàn)一個(gè)串口小工具
這篇文章主要為大家詳細(xì)介紹了如何利用PyQt5和serial模塊實(shí)現(xiàn)一個(gè)簡(jiǎn)單的串口小工具，文中的示例代碼講解詳細(xì)，感興趣的小伙伴可以跟隨小編一起學(xué)習(xí)一下
2023-01-01
Python讀取sqlite數(shù)據(jù)庫(kù)文件的方法分析
這篇文章主要介紹了Python讀取sqlite數(shù)據(jù)庫(kù)文件的方法,結(jié)合實(shí)例形式分析了Python引入sqlite3模塊操作sqlite數(shù)據(jù)庫(kù)的讀取、SQL命令執(zhí)行等相關(guān)操作技巧,需要的朋友可以參考下
2017-08-08
python實(shí)現(xiàn)在線翻譯
這篇文章主要介紹了python實(shí)現(xiàn)在線翻譯，文中示例代碼介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下
2020-06-06
Python第三方庫(kù)qrcode或MyQr生成博客地址二維碼
使用第三方庫(kù)qrcode或者M(jìn)yQr給自己的博客網(wǎng)址快速生成二維碼，一鍵分享，文中含有詳細(xì)示例代碼，有需要的朋友可以借鑒參考下，希望能夠有所幫助
2021-10-10
Python scipy實(shí)現(xiàn)差分進(jìn)化算法
差分進(jìn)化算法是廣義的遺傳算法的一種，核心思想是變異，這篇文章主要為大家介紹的則是著名的scipy庫(kù)中對(duì)差分進(jìn)化算法的實(shí)現(xiàn)，希望對(duì)大家有所幫助
2023-08-08
python中的decorator的作用詳解
這篇文章主要介紹了python中的decorator的作用詳解，小編覺得挺不錯(cuò)的，現(xiàn)在分享給大家，也給大家做個(gè)參考。一起跟隨小編過來(lái)看看吧
2018-07-07
Python里字典的基本用法(包括嵌套字典)
今天小編就為大家分享一篇關(guān)于Python里字典的基本用法(包括嵌套字典)，小編覺得內(nèi)容挺不錯(cuò)的，現(xiàn)在分享給大家，具有很好的參考價(jià)值，需要的朋友一起跟隨小編來(lái)看看吧
2019-02-02
python matplotlib庫(kù)繪制散點(diǎn)圖例題解析
這篇文章主要介紹了python matplotlib庫(kù)繪制散點(diǎn)圖例題解析,文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下
2019-08-08