在 PyTorch 中使用 None 索引张量

Question

我在 PyTorch 中看到过这种用于索引张量的语法，但不确定它的含义：

v = torch.div(t, n[:, None])

其中v、t 和n 是张量。

“None”在这里的作用是什么？我似乎在文档中找不到它。

Answer 1

与 NumPy 类似，您可以通过使用 None 对该维度进行索引来插入单个维度（"unsqueeze" 一个维度）。而n[:, None] 将产生在dim=1 上插入新维度的效果。这相当于n.unsqueeze(dim=1):

>>> n = torch.rand(3, 100, 100)

>>> n[:, None].shape
(3, 1, 100, 100)

>>> n.unsqueeze(1).shape
(3, 1, 100, 100)

---

这里有一些其他类型的None 索引。

在上面的示例中，: 被用作占位符来指定第一个维度 dim=0。如果要在dim=2 上插入维度，可以添加第二个: 作为n[:, :, None]。

您也可以放置 None 相对于最后一个维度。为此，您可以使用ellipsis 语法...:

• n[..., None] 将最后插入一个维度，即 n.unsqueeze(dim=-1)。

• n[..., None, :] 在最后一个维度上，即 n.unsqueeze(dim=-2)。