从索引张量中获取火炬张量的值答案

【问题标题】：getting values of a torch tensor from a tensor of indices从索引张量中获取火炬张量的值
【发布时间】：2022-10-23 05:37:26
【问题描述】：

我提前为我的 pytorch 基础知识道歉，但是这个问题困扰了我一段时间。

假设我有一个形状为 (8,8,1) 的火炬张量 u，例如

u = tensor([[0.0000, 0.1429, 0.2857, 0.4286, 0.5714, 0.7143, 0.8571, 1.0000],
[0.0000, 0.1429, 0.2886, 0.4470, 0.5896, 0.7171, 0.8571, 1.0000],
[0.0000, 0.1446, 0.3182, 0.4934, 0.6302, 0.7424, 0.8588, 1.0000],
[0.0000, 0.1470, 0.3154, 0.4734, 0.5974, 0.7258, 0.8603, 1.0000],
[0.0000, 0.1397, 0.2742, 0.4026, 0.5266, 0.6846, 0.8530, 1.0000],
[0.0000, 0.1412, 0.2576, 0.3698, 0.5066, 0.6818, 0.8554, 1.0000],
[0.0000, 0.1429, 0.2829, 0.4104, 0.5530, 0.7114, 0.8571, 1.0000],
[0.0000, 0.1429, 0.2857, 0.4286, 0.5714, 0.7143, 0.8571, 1.0000]])

以及我感兴趣的 u 索引的大小 (2,8,8) 的张量

indices = tensor(
[[[0, 0, 0, 0, 0, 1, 0, 2],
[0, 3, 0, 4, 0, 5, 0, 5],
[0, 0, 0, 0, 0, 1, 0, 2],
[0, 3, 0, 4, 0, 5, 0, 5],
[1, 0, 0, 0, 0, 1, 0, 2],
[1, 3, 1, 4, 1, 5, 1, 5],
[2, 0, 1, 0, 1, 1, 1, 2],
[2, 3, 2, 4, 2, 5, 2, 5]],    

[[3, 0, 2, 0, 2, 0, 2, 1],
 [3, 2, 3, 3, 3, 4, 3, 5],
 [4, 0, 3, 0, 3, 0, 3, 1],
 [4, 2, 4, 3, 4, 4, 4, 5],
 [5, 0, 5, 0, 4, 0, 4, 1],
 [5, 2, 5, 3, 5, 5, 5, 5],
 [5, 0, 5, 0, 5, 1, 5, 2],
 [5, 3, 5, 4, 5, 5, 5, 5]]])

我想要一个与 u 大小相同的火炬张量结果，但在 result[i][j] = u[indices[0][i][j],indices[1][i][j] 的位置（例如：result[0][0] = u[0][3], result[0][1] = u[3][0], result[4][5] = u[5][0]...）

我尝试使用 torch.gather 但我根本无法让它工作，我尝试更改张量的 .view 但我无法匹配尺寸。有没有办法做到这一点？

【问题讨论】：

标签： pytorch tensor torch indices

【解决方案1】：

首先重复 u 张量，如索引 [(8, 8) -> (2,8,8)] 的大小。之后你可以使用收集。

repeated_u = u.unsqueeze(dim=0).repeat(indices.shape[0],1,1)
result = torch.gather(repeated_u, 2, indices)

【讨论】：

感谢您的回答，问题是这样做我得到的是维度 (2,8,8) 的张量，其中计算两个第一个元素时考虑到索引的相应第一个和第二个元素（因此计算 repeated_u[0]通过indices[0] 和repeated_u[1] 通过indices[1]。我需要的可能可以通过将u 视为元素矩阵u[i][j] 来理解。由此我需要计算一个相同维度的张量，其中每个元素都有indices[0] 作为行索引和indices[1] 作为列索引的各自值。抱歉不清楚，我希望这是

【解决方案2】：

对于呈现的形状（u.shape -- (8, 8)，indices.shape -- (2, 8, 8)）似乎幼稚的索引工作正常result = u[indices[0], indices[1]]

【讨论】：

哦，我的上帝，谢谢，我不敢相信这会这么容易....我刚刚拿到了筹码，非常感谢