使用索引对张量的第二维进行索引

Question

我使用索引张量在张量中选择了元素。下面的代码我使用索引 0、3、2、1 列表来选择 11、15、2、5

>>> import torch
>>> a = torch.Tensor([5,2,11, 15])
>>> torch.randperm(4)

 0
 3
 2
 1
[torch.LongTensor of size 4]

>>> i = torch.randperm(4)
>>> a[i]

 11
 15
  2
  5
[torch.FloatTensor of size 4]

我现在有

>>> b = torch.Tensor([[5, 2, 11, 15],[5, 2, 11, 15], [5, 2, 11, 15]])
>>> b

  5   2  11  15
  5   2  11  15
  5   2  11  15
[torch.FloatTensor of size 3x4]

现在，我想使用索引来选择列 0, 3, 2, 1。换句话说，我想要一个像这样的张量

>>> b

 11  15   2   5
 11  15   2   5
 11  15   2   5
[torch.FloatTensor of size 3x4]

Answer 1

如果使用pytorch版本v0.1.12

对于这个版本，没有一个简单的方法可以做到这一点。尽管 pytorch 承诺张量操作与 numpy 完全相同，但仍然缺乏一些功能。这是其中之一。

通常，如果您使用 numpy 数组，您将能够相对轻松地完成此操作。就像这样。

>>> i = [2, 1, 0, 3]
>>> a = np.array([[5, 2, 11, 15],[5, 2, 11, 15], [5, 2, 11, 15]])
>>> a[:, i]

array([[11,  2,  5, 15],
       [11,  2,  5, 15],
       [11,  2,  5, 15]])

但是对于张量来说同样的事情会给你一个错误：

>>> i = torch.LongTensor([2, 1, 0, 3])
>>> a = torch.Tensor([[5, 2, 11, 15],[5, 2, 11, 15], [5, 2, 11, 15]])
>>> a[:,i]

错误：

类型错误：使用 torch.LongTensor 类型的对象索引张量。唯一支持的类型是整数、切片、numpy 标量和 torch.LongTensor 或 torch.ByteTensor 作为唯一参数。

TypeError 告诉您的是，如果您打算使用 LongTensor 或 ByteTensor 进行索引，那么唯一有效的语法是a[<LongTensor>]or a[<ByteTensor>]。除此之外的任何事情都不会起作用。

由于此限制，您有两种选择：

选项 1：转换为 numpy，排列，然后返回 Tensor

>>> i = [2, 1, 0, 3]
>>> a = torch.Tensor([[5, 2, 11, 15],[5, 2, 11, 15], [5, 2, 11, 15]])
>>> np_a = a.numpy()
>>> np_a = np_a[:,i]
>>> a = torch.from_numpy(np_a)
>>> a

 11   2   5  15
 11   2   5  15
 11   2   5  15
[torch.FloatTensor of size 3x4]

选项 2：将要排列的暗淡移动到 0，然后执行此操作

您将要移动的暗淡（在您的情况下暗淡= 1）为0，执行排列，然后将其移回。它有点hacky，但它完成了工作。

def hacky_permute(a, i, dim):
    a = torch.transpose(a, 0, dim)
    a = a[i]
    a = torch.transpose(a, 0, dim)
    return a

并像这样使用它：

>>> i = torch.LongTensor([2, 1, 0, 3])
>>> a = torch.Tensor([[5, 2, 11, 15],[5, 2, 11, 15], [5, 2, 11, 15]])
>>> a = hacky_permute(a, i, dim=1)
>>> a

 11   2   5  15
 11   2   5  15
 11   2   5  15
[torch.FloatTensor of size 3x4]

如果使用pytorch版本v0.2.0

使用张量的直接索引现在可以在此版本中使用。IE。

>>> i = torch.LongTensor([2, 1, 0, 3])
>>> a = torch.Tensor([[5, 2, 11, 15],[5, 2, 11, 15], [5, 2, 11, 15]])
>>> a[:,i]

 11   2   5  15
 11   2   5  15
 11   2   5  15
[torch.FloatTensor of size 3x4]