第32个方法
torch.gather(input, dim, index, *, sparse_grad=False, out=None) → Tensor
此方法的作用是沿着指定的维度收集值,首先看参数:
input(Tenor)
:源tensor。dim(int)
:要收集的维度,不可超过input的维度大小。index(LongTensor)
:要收集的元素的索引,形状应该和input一样。sparse_grad(bool)
:如果为True,那么input应该是一个稀疏tensor。out(Tensor)
:输出结果的tensor。
首先来看一个简单的例子:
import torch
a = torch.rand(6)
index = torch.tensor([0])
b = torch.gather(a, 0, index)
print(a)
print(b)
结果为:
- 可以看到,找到了index所在的元素,这是比较简单的用法,接下来看二维的情况。
import torch
a = torch.rand(3, 3)
index = torch.tensor([[0, 1, 2], [1, 2, 0], [2, 0, 1]])
b = torch.gather(a, 0, index)
print(a)
print(b)
- 先给大家看一个官网的公式:
- 当然官网给的是三维的公式,我们这里是二维的,所以我们忽略掉k就行了。想要生成b的话,例如生成b[0]的[0.8029, 0.6605, 0.6150],我们指定的维度是零,那么每次使用index中的元素替换a中的第一维就好了,例如对于b中的b[0][0],index[0][0]是0,所以b[0][0]=a[0][0],而b[0][1]=a[1][0]因为index[0][1]=1,依次类推b[0][2]=a[2][0],依次下去便可以生成b。
- 而对于dim=1或者其他的情况,也就是使用index中的元素替换相应维度上的数字即可。
例如:
b[1][0]=a[1][1]=0.1893,因为index[1][0]=1,而b[1][1]=a[1][2]=0.6783,因为index[1][1]=2,同理b[1][2]=a[1][0]=0.1685,因为index[1][2]=0。依次类推
其实对于更高维的思想是一样的,b[i][j][k]…就是用index[i][j][k]…来替换a中对应维度的下标,然后得到的元素。