Pytorch拾遗(1)gather()方法的详解

没什么好解释的，瘦了三个博客，感觉大家似乎都讲的不清楚

我在这里直接把核心思想讲出来。
首先上代码

from numpy import array  # 从numpy中引入array，为创建矩阵做准备
import numpy as np
import torch

import torch as t

a = t.arange(0,16).view(4,4)
'''
a = tensor([[ 0,  1,  2,  3],
            [ 4,  5,  6,  7],
            [ 8,  9, 10, 11],
            [12, 13, 14, 15]])
'''
index = t.LongTensor([[3,2,1,0]])
a.gather(0,index)#0，表示行号变动。1  就是列号变动
'''
a = tensor([[12,  9,  6,  3]])
'''
#为什么会是这四个数：大家看下面的四个数，说好的行号变动，也就是第1个[]中的数值是我们的index数值，
#而第二个[]中的数值是从0,1,2,3逐个增加的。
#a[3][0] = 12 ；a[2][1] = 9； a[1][2] = 6； a[0][3] = 3

a.gather(1,index)

'''
tensor([[ 3],
        [ 6],
        [ 9],
        [12]])
'''
#a[0][3] = 3; a[1][2] = 6; a[2][1] = 9; a[3][0] = 12 
#再看这个，就是从第一个[]中的数值是从0,1,2,3逐个增加的。二变动的则是后面的
##################33
#上面举例子用的index是[3,2,1,0]，是为了告诉大家index的索引值的最大值是3，最小值是0，这个需要满足张量的size
#其实真正的情况可能是下面这样index = t.LongTensor([[1,2,1,3]])
#然后，我们[1,2,1,3]做一次索引试试
##################
index = t.LongTensor([[1,2,1,3]])
b = a.gather(0,index)
print(b)
'''
tensor([[ 0,  1,  2,  3],
        [ 4,  5,  6,  7],
        [ 8,  9, 10, 11],
        [12, 13, 14, 15]])
tensor([[ 4,  9,  6, 15]])
我们按照上面的要求，即第一个索引值[]中的数值是变动的，而第二个[]中的数值是不变的，即[0,1,2,3]
那么这四个数分别是a[1][0] = 4 ；a[2][1] = 9； a[1][2] = 6； a[3][3] = 15
'''