#tensor索引操作
'''''
tensor支援與numpy.ndarray類似的索引操作，語法上也類似
如無特殊說明，索引出來的結果與原tensor共享記憶體，即修改乙個，另乙個會跟著修改
'''
import torch as t
a = t.randn(3,4)
'''''tensor([[ 0.1986, 0.1809, 1.4662, 0.6693],
[-0.8837, -0.0196, -1.0380, 0.2927],
[-1.1032, -0.2637, -1.4972, 1.8135]])'''
print(a[0]) #第0行
'''''tensor([0.1986, 0.1809, 1.4662, 0.6693])'''
print(a[:,0]) #第0列
'''''tensor([ 0.1986, -0.8837, -1.1032])'''
print(a[0][2]) #第0行第2個元素，等價於a[0,2]
'''''tensor(1.4662)'''
print(a[0][-1]) #第0行最後乙個元素
'''''tensor(0.6693)'''
print(a[:2,0:2]) #前兩行，第0,1列
'''''tensor([[ 0.1986, 0.1809],
[-0.8837, -0.0196]])'''
print(a[0:1,:2]) #第0行，前兩列
'''''tensor([[0.1986, 0.1809]])'''
print(a[0,:2]) #注意兩者的區別，形狀不同
'''''tensor([0.1986, 0.1809])'''
print(a>1)
'''''tensor([[0, 0, 1, 0],
[0, 0, 0, 0],
[0, 0, 0, 1]], dtype=torch.uint8)'''
print(a[a>1]) #等價於a.masked_select(a>1),選擇結果與原tensor不共享記憶體空間
print(a.masked_select(a>1))
'''''tensor([1.4662, 1.8135])
tensor([1.4662, 1.8135])'''
print(a[t.longtensor([0,1])])
'''''tensor([[ 0.1986, 0.1809, 1.4662, 0.6693],
[-0.8837, -0.0196, -1.0380, 0.2927]])'''
'''''
常用的選擇函式
index_select(input,dim,index) 在指定維度dim上選取，列如選擇某些列、某些行
masked_select(input,mask) 例子如上，a[a>0],使用bytetensor進行選取
non_zero(input) 非0元素的下標
gather(input,dim,index) 根據index，在dim維度上選取資料，輸出size與index一樣
gather是乙個比較複雜的操作，對乙個二維tensor，輸出的每個元素如下：
out[i][j] = input[index[i][j]][j] #dim = 0
out[i][j] = input[i][index[i][j]] #dim = 1
'''
b = t.arange(0,16).view(4,4)
'''''tensor([[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11],
[12, 13, 14, 15]])'''
index = t.longtensor([[0,1,2,3]])
print(b.gather(0,index)) #取對角線元素
'''''tensor([[ 0, 5, 10, 15]])'''
index = t.longtensor([[3,2,1,0]]).t() #取反對角線上的元素
print(b.gather(1,index))
'''''tensor([[ 3],
[ 6],
[ 9],
[12]])'''
index = t.longtensor([[3,2,1,0]]) #取反對角線的元素，與上面不同
print(b.gather(0,index))
'''''tensor([[12, 9, 6, 3]])'''
index = t.longtensor([[0,1,2,3],[3,2,1,0]]).t()
print(b.gather(1,index))
'''''tensor([[ 0, 3],
[ 5, 6],
[10, 9],
[15, 12]])'''
'''''
與gather相對應的逆操作是scatter_，gather把資料從input中按index取出，而
scatter_是把取出的資料再放回去，scatter_函式時inplace操作
out = input.gather(dim,index)
out = tensor()
out.scatter_(dim,index)
'''
x = t.rand(2, 5)
print(x)
c = t.zeros(3, 5).scatter_(0, t.longtensor([[0, 1, 2, 0, 0], [2, 0, 0, 1, 2]]), x)
print(c)
2018-10-23 20:30:30
tensorflow中tensor的索引
tensorflow中tensor的索引 1.print sess.run outputs 0 2,0 2,2.print sess.run tf.slice outputs,0,0,0 2,2,2 3.print sess.run tf.gather outputs,0,2 1和2是等效的，不難看...
Tensor 逐元素操作
逐元素操作 這部分操作會對tensor的每乙個元素 point wise，又名element wise 進行操作，此類操作的輸入與輸出形狀一致。常用的操作如表3 4所示。表3 4 常見的逐元素操作 函式功能 abs sqrt div exp fmod log pow.絕對值 平方根 除法 指數 求餘...
常用的Tensor操作
1 通過tensor.view方法可以調整tensor的形狀，但必須保證調整去前後元素總數一致。view不會修改自身的資料，返回新的tensor與原tensor共享記憶體，即更改其中的乙個，另乙個也會跟這改變。2 實際中經常需要新增或減少某一維度，可用squeeze和unsqueeze這兩函式。im...