torch.nonzero()
Docstring:nonzero(input, *, out=None, as_tuple=False) -> LongTensor or tuple of LongTensors
涉及的参数主要是输入和 as_tuple,其实就是是否返回到一个元组,默认不是元组。
看下面的例子就懂了。
"""as_tuple=False的默认情况"""
>>> torch.nonzero(torch.tensor([1, 1, 1, 0, 1]))
tensor([[ 0],
[ 1],
[ 2],
[ 4]]) # 返回的是非0元素的索引,并且是索引的矩阵,shape= (非零元素,1)
>>> torch.nonzero(torch.tensor([[0.6, 0.0, 0.5, 0.0],
[0.0, 0.4, 0.0, 0.0],
[0.0, 0.0, 1.2, 0.0],
[0.0, 0.0, 0.0,-0.4]]))
tensor([[ 0, 0],
[ 0, 2],
[ 1, 1],
[ 2, 2],
[ 3, 3]]) #返回非零元素的在矩阵中的索引,每个元素都包含行列索引,shape= (非零元素,2)
"""as_tuple=True的默认情况"""
>>> torch.nonzero(torch.tensor(5), as_tuple=True)
(tensor([0]),) # 返回其实也是一个张量的索引,只是将它放在了一个元组里
>>> torch.nonzero(torch.tensor([1, 1, 1, 0, 1]), as_tuple=True)
(tensor([0, 1, 2, 4]),) #没区别,但是要提取列表里的某个元素,必须两个索引值,它们是一个整体,比如要提取1,[0][1]
>>> torch.nonzero(torch.tensor([[0.6, 0.0, 0.5, 0.0],
[0.0, 0.4, 0.0, 0.0],
[0.0, 0.0, 1.2, 0.0],
[0.0, 0.0, 0.0,-0.4]]), as_tuple=True)
#返回的是两个列表张量 构成 的一个元组,元组[0]是非零元素依次的行位置,元组[1]是非零元素依次的列位置,
(tensor([0, 0, 1, 2, 3]), tensor([0, 2, 1, 2, 3]))
总结:其实as_tuple=True返回元组没有什么用,如果需要非零元素的行位置或者列位置就可以设置一下,其实也就是as_tuple=False返回的第一列和第二列。
X.permute(dims)
将tensor的维度换位
https://zhuanlan.zhihu.com/p/76583143
torch.flatten(t,start_dim=开始维度,end_dim=结束维度)
将矩阵的某些维度降维处理,但是元素不丢失
t = torch.arange(120,).reshape(2,3,4,5)
t
t.shape
torch.flatten(t,start_dim=1,end_dim=-2)
torch.flatten(t,start_dim=1,end_dim=-2).shape