如何提取两个张量之间的非等价条目的索引？答案

【问题标题】：How do I extract indices of non-equivalent entries between two tensors?如何提取两个张量之间的非等价条目的索引？
【发布时间】：2020-03-03 02:14:22
【问题描述】：

我有一个具有 N 个对象类别的 N 个预测的张量，我还有另一个具有真实 N 个目标对象类别的张量。我想提取我的分类器预测错误的张量索引。

考虑以下两个张量定义为：

import torch
predictions = torch.tensor([ [0], [1], [1], [0], [0], [1] ])
target      = torch.tensor([ [0], [0], [1], [1], [0], [1] ])

我想找到一些可以传递这两个向量并返回类似index_diff = [1, 3] 的列表的函数。这个功能存在吗？我目前的想法是将这两个向量都转换为 numpy 数组，然后循环 N 次并比较每个索引处的每个条目，但这对我来说似乎有点迂回。有其他选择吗？

【问题讨论】：

【解决方案1】：

类似

index_diff = (predictions.flatten() != target.flatten()).nonzero().flatten()

应该可以。

【讨论】：

成功了，谢谢！当张量的格式略有不同时，它甚至可以工作，例如：predictions = torch.tensor([ [0], [0] ]) 和 target = torch.tensor([0, 0])。
是的，.flatten() 将张量重塑为一维张量。您可以尝试删除它们以查看其行为方式。