Torch函数笔记(持续更新)

Pytorch官方文档
https://pytorch.org/docs/stable/generated/torch.nn.functional.log_softmax.html?highlight=log_softmax#torch.nn.functional.log_softmax

1、torch.zeros() & torch.scatter_()

scatter_(input, dim, index, src)：将src中数据根据index中的索引按照dim的方向填进input。可以理解成放置元素或者修改元素

dim：沿着哪个维度进行索引
index：用来 scatter 的元素索引
src：用来 scatter 的源元素，可以是一个标量或一个张量

import torch
import matplotlib.pyplot as plt

x = torch.rand(2, 5)

# tensor([[0.1940, 0.3340, 0.8184, 0.4269, 0.5945],
#        [0.2078, 0.5978, 0.0074, 0.0943, 0.0266]])
b = torch.LongTensor([[0, 1, 2, 0, 0], [2, 0, 0, 1, 2]])
# Longtensor([[0, 1, 2, 0, 0],
#         [2, 0, 0, 1, 2]])
print(b)
c = torch.zeros(3, 5).scatter_(0, b, x)
# b与x的形状相同，x为值，b为索引，b中的值为表示对应到c中的行数，将x填入
print(c)
# tensor([[0.7536, 0.1863, 0.9075, 0.8558, 0.7230],
#         [0.0000, 0.0612, 0.0000, 0.4090, 0.0000],
#         [0.8661, 0.0000, 0.4762, 0.0000, 0.9599]])

2、torch.LongTensor（）

b = torch.rand(3,3)#得到的是floattensor值，一般为int32
b = b.long()#得到的是longtensor值，即int64
b = torch.LongTensor([[0, 1, 2, 0, 0], [2, 0, 0, 1, 2]])
# 或使用以上，也为int64