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“"htmlcode">
> 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。
免责声明:本站文章均来自网站采集或用户投稿,网站不提供任何软件下载或自行开发的软件!
如有用户或公司发现本站内容信息存在侵权行为,请邮件告知! 858582#qq.com
白云城资源网 Copyright www.dyhadc.com
暂无“在PyTorch中Tensor的查找和筛选例子”评论...
更新日志
2024年11月13日
2024年11月13日
- 刘欢《雨中的树(新歌加精选)2CD》德国HD24K金碟[WAV+CUE]
- 郑源 《世间情歌》6N纯银SQCD[WAV+CUE][1G]
- 群星《粤潮2HQII》头版限量编号[低速原抓WAV+CUE][991M]
- 群星《2023好听新歌21》十倍音质 U盘音乐[WAV分轨][1G]
- 《热血传奇》双11感恩回馈 超值狂欢30天
- 原神5.2版本活动汇总 5.2版本活动有哪些
- 张敬轩.2010-NO.ELEVEN【环球】【WAV+CUE】
- 黄丽玲.2006-失恋无罪【艾回】【WAV+CUE】
- 阿达娃.2024-Laluna【W8VES】【FLAC分轨】
- 宝可梦大集结段位等级划分表大全 大集结段位一览
- 龙腾世纪影障守护者工坊与装备如何升级 工坊与装备升级说明
- 龙腾世纪影障守护者全成就攻略分享 龙腾世纪4全成就列表一览
- 《剑星》更新四套全新战衣!
- 卡普空老将伊津野英昭宣布入职腾讯光子 开发3A动作
- 38岁梅根·福克斯官宣怀孕:将迎来第四个孩子