本文源码基于版本1.0，交互界面基于0.4.1

import torch

按照指定轴上的坐标进行过滤

index_select()

沿着某tensor的一个轴dim筛选若干个坐标

>>> x = torch.randn(3, 4) # 目标矩阵

>>> x

tensor([[ 0.1427, 0.0231, -0.5414, -1.0009],

[-0.4664, 0.2647, -0.1228, -1.1068],

[-1.1734, -0.6571, 0.7230, -0.6004]])

>>> indices = torch.tensor([0, 2]) # 在轴上筛选坐标

>>> torch.index_select(x, dim=0, indices) # 指定筛选对象、轴、筛选坐标

tensor([[ 0.1427, 0.0231, -0.5414, -1.0009],

[-1.1734, -0.6571, 0.7230, -0.6004]])

>>> torch.index_select(x, dim=1, indices)

tensor([[ 0.1427, -0.5414],

[-0.4664, -0.1228],

[-1.1734, 0.7230]])

where()

用于将两个broadcastable的tensor组合成新的tensor，类似于c++中的三元操作符“?:”

>>> x = torch.randn(3, 2)

>>> y = torch.ones(3, 2)

>>> torch.where(x > 0, x, y)

tensor([[1.4013, 1.0000],

[1.0000, 0.9267],

[1.0000, 0.4302]])

>>> x

tensor([[ 1.4013, -0.9960],

[-0.3715, 0.9267],

[-0.7163, 0.4302]])

指定条件返回01-tensor

>>> x = torch.arange(5)

>>> x

tensor([0, 1, 2, 3, 4])

>>> torch.gt(x,1) # 大于

tensor([0, 0, 1, 1, 1], dtype=torch.uint8)

>>> x>1 # 大于

tensor([0, 0, 1, 1, 1], dtype=torch.uint8)

>>> torch.ne(x,1) # 不等于

tensor([1, 0, 1, 1, 1], dtype=torch.uint8)

>>> x!=1 # 不等于

tensor([1, 0, 1, 1, 1], dtype=torch.uint8)

>>> torch.lt(x,3) # 小于

tensor([1, 1, 1, 0, 0], dtype=torch.uint8)

>>> x<3 # 小于

tensor([1, 1, 1, 0, 0], dtype=torch.uint8)

>>> torch.eq(x,3) # 等于

tensor([0, 0, 0, 1, 0], dtype=torch.uint8)

>>> x==3 # 等于

tensor([0, 0, 0, 1, 0], dtype=torch.uint8)

返回索引

>>> x = torch.arange(5)

>>> x # 1维

tensor([0, 1, 2, 3, 4])

>>> torch.nonzero(x)

tensor([[1],

[2],

[3],

[4]])

>>> x = torch.Tensor([[0.6, 0.0, 0.0, 0.0],[0.0, 0.4, 0.0, 0.0],[0.0, 0.0, 1.2, 0.0],[0.0, 0.0, 0.0,-0.4]])

>>> x # 2维

tensor([[ 0.6000, 0.0000, 0.0000, 0.0000],

[ 0.0000, 0.4000, 0.0000, 0.0000],

[ 0.0000, 0.0000, 1.2000, 0.0000],

[ 0.0000, 0.0000, 0.0000, -0.4000]])

>>> torch.nonzero(x)

tensor([[0, 0],

[1, 1],

[2, 2],

[3, 3]])

借助nonzero()我们可以返回符合某一条件的index(https://stackoverflow.com/questions/47863001/how-pytorch-tensor-get-the-index-of-specific-value)

>>> x=torch.arange(12).view(3,4)

>>> x

tensor([[ 0, 1, 2, 3],

[ 4, 5, 6, 7],

[ 8, 9, 10, 11]])

>>> (x>4).nonzero()

tensor([[1, 1],

[1, 2],

[1, 3],

[2, 0],

[2, 1],

[2, 2],

[2, 3]])

以上这篇在PyTorch中Tensor的查找和筛选例子就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持我们。

本文标题: 在PyTorch中Tensor的查找和筛选例子

本文地址: http://www.cppcns.com/jiaoben/python/268885.html