有很多時(shí)候卖陵，我們需要對深度學(xué)習(xí)過程中的tensor進(jìn)行一些非整齊遭顶、離散化的賦值操作，例如我們讓網(wǎng)絡(luò)的一支輸出可能的索引值泪蔫，而另外一支可能需要去取對應(yīng)索引值的內(nèi)容棒旗。PyTorch提供了幾種方法實(shí)現(xiàn)上述操作，但是其實(shí)際效果之間存在差異撩荣，在這里整理一下嗦哆。
-
scatter_(dim, index, src)
按照index谤祖，將src的數(shù)據(jù)散放到self的'dim'維度中。例如老速，對于三維Tensor粥喜，效果如下：self[index[i][j][k]][j][k] = src[i][j][k] # if dim == 0 self[i][index[i][j][k]][k] = src[i][j][k] # if dim == 1 self[i][j][index[i][j][k]] = src[i][j][k] # if dim == 2-
dim (int)- 要散布拷貝的維度 -
index (LongTensor)- 散布拷貝的索引 -
src (Tensor or float)- 要散布拷貝的源，可以是單個(gè)浮點(diǎn)值或是tensor
-
-
index_fill_(dim, index, val)
按照index橘券，將val的值填充self的dim維度额湘。效果如下：>>> x = torch.tensor([[1, 2, 3], [4, 5, 6], [7, 8, 9]], dtype=torch.float) >>> index = torch.tensor([0, 2]) >>> x.index_fill_(1, index, -1) tensor([[-1., 2., -1.], [-1., 5., -1.], [-1., 8., -1.]])-
dim (int)- 要填充的維度 -
index (LongTensor)- 要填充的索引 -
val (float)- 要填充的值
-
-
index_put_(indices, value)
按照indices，將val的值填充到self的對應(yīng)位置旁舰。效果如下：>>> a = torch.zeros([5,5]) >>> index = (torch.LongTensor([0,1]),torch.LongTensor([1,2]) >>> a.index_put_(index), torch.Tensor([1,1])) tensor([[ 0., 1., 0., 0., 0.], [ 0., 0., 1., 0., 0.], [ 0., 0., 0., 0., 0.], [ 0., 0., 0., 0., 0.], [ 0., 0., 0., 0., 0.]])-
indices (tuple of LongTensor)- 要填充的索引 -
value (Tensor)- 要填充的值組成的tensor
-
這三者的參數(shù)名相像锋华，但實(shí)際上對各參數(shù)的定義有差別，要仔細(xì)跟據(jù)參數(shù)類型和例子好好分析箭窜。
