多维Tensor作为张量索引

昨天晚上复现CPC代码过程中遇到了以下代码：

当时一看好家伙，张量索引里面套三维张量，并且通过索引居然还将原本的三维张量变为了四维张量，闻所未闻！随即主观认为是论文作者代码不太严谨（事实是冤枉了人家），通过后续验证发现，代码居然能够跑得通。。。。。。

最开始百思不得其解，之后便咨询了师兄并且查阅了一些博客，才知道不应过分关注维度而忽略索引张量中具体值的含义。

首先，降低维度把问题简单化：

将两个二维张量row_idx和col_idx作为二维全零张量mask的索引，并将其索引对应的部分改为1：

最后输出mask可以得到：

可以看出代码将原第3行的第2，3，4列，第二行的第1，3，2列以及第1行的第0，1，3列所对应的0修改为1，此时已经意思已经很明显了，即通过将row_idx映射到col的对应维度上，并通过其组成的索引值索引原张量。

注：row_idx和col_idx的维度务必相同，例如row_idx.size()=(256,1,1)，col_idx.size()=(256,58,64),不然无法映射。

那在这个基础上深入一点：

将row_idx与col_idx的大小分别改为(3,1,1)与(3,2,2)，并将其作为mask索引得到remask：

得到结果为：

可见mask通过上述索引，维度从(4,5)变为了(3,3,2)，即通过索引张量row_idx和col_idx张量对应维度映射，将row_idx中的3值映射到[[1,2], [2,3], [3,4]]，2值映射到[[1,1], [2,3], [2,3]]，1值映射到[[0,1], [1,2], [3,4]]之上，总共3*3*2个值，因此remask的维度变为(3,3,2)，实现了维度的扩张。