张量的火炬逻辑索引答案

【问题标题】：torch logical indexing of tensor张量的火炬逻辑索引
【发布时间】：2016-07-20 11:38:43
【问题描述】：

我正在寻找一种优雅的方式来选择满足某些约束的火炬张量子集。例如，假设我有：

A = torch.rand(10,2)-1

而S 是一个 10x1 的张量，

sel = torch.ge(S,5) -- this is a ByteTensor

我希望能够做逻辑索引，如下：

A1 = A[sel]

但这不起作用。所以有一个index 函数接受LongTensor，但我找不到将S 转换为LongTensor 的简单方法，除了以下内容：

sel = torch.nonzero(sel)

它返回一个 K x 2 张量（K 是 S >= 5 的值的数量）。那么我必须将它转换为一维数组，这最终允许我索引 A：

A:index(1,torch.squeeze(sel:select(2,1)))

这很麻烦；在例如Matlab 我所要做的就是

A(S>=5,:)

谁能提出更好的方法？

【问题讨论】：

标签： indexing torch

【解决方案1】：

一种可能的选择是：

sel = S:ge(5):expandAs(A)   -- now you can use this mask with the [] operator
A1 = A[sel]:unfold(1, 2, 2) -- unfold to get back a 2D tensor

例子：

> A = torch.rand(3,2)-1
-0.0047 -0.7976
-0.2653 -0.4582
-0.9713 -0.9660
[torch.DoubleTensor of size 3x2]

> S = torch.Tensor{{6}, {1}, {5}}
 6
 1
 5
[torch.DoubleTensor of size 3x1]

> sel = S:ge(5):expandAs(A)
1  1
0  0
1  1
[torch.ByteTensor of size 3x2]

> A[sel]
-0.0047
-0.7976
-0.9713
-0.9660
[torch.DoubleTensor of size 4]

> A[sel]:unfold(1, 2, 2)
-0.0047 -0.7976
-0.9713 -0.9660
[torch.DoubleTensor of size 2x2]

【讨论】：

很好，展开是我所缺少的。虽然我认为它可以通过重塑更直观地完成。谢谢！

【解决方案2】：

有两种更简单的选择：

使用maskedSelect:

result=A:maskedSelect(your_byte_tensor)
使用简单的元素乘法，例如

result=torch.cmul(A,S:gt(0))

如果您需要保持原始矩阵的形状（即 A），第二个非常有用，例如在反向传播中选择层中的神经元。但是，由于只要 ByteTensor 规定的条件不适用，它就会在结果矩阵中放置零，因此您不能使用它来计算乘积（或中位数等）。第一个只返回满足条件的元素，所以这是我用来计算产品或中位数或任何其他我不想要零的东西。

【讨论】：