Pytorch學習 張量的索引切片

張量的索引切片方式和numpy幾乎是一樣的。切片時支援預設引數和省略號。

可以通過索引和切片對部分元素進行修改。

此外，對於不規則的切片提取,可以使用torch.index_select, torch.masked_select, torch.take

如果要通過修改張量的某些元素得到新的張量，可以使用torch.where,torch.masked_fill,torch.index_fill

#第一行

print

(t[-1]

)#倒數第一行

print

(t[1,3

])#第一行第三列

print

(t[1][

3])print

(t[1:4

,:])

#第一到第三行

print

(t[1:4

,:5:

2])#1-3行，0-4列step2

對於不規則的切片提取,可以使用torch.index_select, torch.take, torch.gather, torch.masked_select.

考慮班級成績冊的例子，有4個班級，每個班級10個學生，每個學生7門科目成績。可以用乙個4×10×7的張量來表示。

minval=

0maxval=
100scores = torch.floor(minval +
(maxval-minval)
*torch.rand([4
,10,7
])).
int(
)print
(scores)

#抽取每個班級第0個學生，第5個學生，第9個學生的全部成績

torch.index_select(scores,dim =
1,index = torch.tensor([0
,5,9]))

#抽取每個班級第0個學生，第5個學生，第9個學生的第1門課程，第3門課程，第6門課程成績

q = torch.index_select(torch.index_select(scores,dim =
1,index = torch.tensor([0
,5,9
])),dim=
2,index = torch.tensor([1
,3,6
]))print
(q)

#抽取第0個班級第0個學生的第0門課程，第2個班級的第4個學生的第1門課程，第3個班級的第9個學生第6門課程成績

#take將輸入看成一維陣列，輸出和index同形狀
s = torch.take(scores,torch.tensor([0
*10*7
+0,2
*10*7
+4*7
+1,3
*10*7
+9*7
+6])
)s

#抽取分數大於等於80分的分數（布林索引）

#結果是1維張量
g = torch.masked_select(scores,scores>=80)
print
(g)

如果要通過修改張量的部分元素值得到新的張量，可以使用torch.where,torch.index_fill 和 torch.masked_fill

torch.where可以理解為if的張量版本。

torch.index_fill的選取元素邏輯和torch.index_select相同。

torch.masked_fill的選取元素邏輯和torch.masked_select相同。

#如果分數大於60分，賦值成1，否則賦值成0

ifpass = torch.where(scores>
60,torch.tensor(1)
,torch.tensor(0)
)print
(ifpass)

#將每個班級第0個學生，第5個學生，第9個學生的全部成績賦值成滿分

torch.index_fill(scores,dim =
1,index = torch.tensor([0
,5,9
]),value =
100)
#等價於 scores.index_fill(dim = 1,index = torch.tensor([0,5,9]),value = 100)

#將分數小於60分的分數賦值成60分

b = torch.masked_fill(scores,scores<60,
60)#等價於b = scores.masked_fill(scores<60,60)
b

pytorch 張量 張量的生成

張量的生成 import torch import numpy as np 使用tensor.tensor 函式構造張量 a torch.tensor 1.0,1.0 2.2 print a 獲取張量的維度 print 張量的維度 a.shape 獲取張量的形狀大小 print 張量的大小 a.si...

pytorch 張量 張量的資料型別

張量定義 import torch torch.tensor 1.2 3.4 dtype 獲取張量的資料型別，其中torch.tensor 函式生成乙個張量 torch.float32 torch.set default tensor type torch.doubletensor 設定張量的預設資...

PyTorch學習筆記1 張量

pytorch中資料集用tensor來表示，tensor與python中的list類似，但是其內部儲存時以連續記憶體單元儲存，可以通過下標計算出記憶體位址，然後直接讀出數值，因此訪問效率很高，同時由於與numpy的記憶體儲存基本相同，所以numpy的ndarray與tensor之間轉換，不論有多少元...