Pytorch：根据索引张量从 3d 张量中选择列

Question

我有一个尺寸为[BxLxD] 的3D 张量M 和一个尺寸为[B,1] 的一维张量idx，其中包含(0, L-1) 范围内的列索引。我想创建一个维度为[BxD] 的二维张量N，使得N[i,j] = M[i, idx[i], j]。如何有效地做到这一点？

例子：

B,L,D = 2,4,2

M = torch.rand(B,L,D)

>

tensor([[[0.0612, 0.7385],
         [0.7675, 0.3444],
         [0.9129, 0.7601],
         [0.0567, 0.5602]],

        [[0.5450, 0.3749],
         [0.4212, 0.9243],
         [0.1965, 0.9654],
         [0.7230, 0.6295]]])


idx = torch.randint(0, L, size = (B,))

>

tensor([3, 0])

N = get_N(M, idx)

Expected output:

>

tensor([[0.0567, 0.5602], 
       [0.5450, 0.3749]])

谢谢。

Answer 1

import torch

B,L,D = 2,4,2

def get_N(M, idx):
    return M[torch.arange(B), idx, :].squeeze()

M = torch.tensor([[[0.0612, 0.7385],
                   [0.7675, 0.3444],
                   [0.9129, 0.7601],
                   [0.0567, 0.5602]],

                   [[0.5450, 0.3749],
                   [0.4212, 0.9243],
                   [0.1965, 0.9654],
                   [0.7230, 0.6295]]])
idx = torch.tensor([3,0])
N = get_N(M, idx)
print(N)

结果：

tensor([[0.0567, 0.5602],
        [0.5450, 0.3749]])

沿二维切片。