pytorch中张量的函数索引，torch.index_select()函数

张量的函数索引

在PyTorch中，我们还可以使用torch.index_select()函数，通过指定index来对张量进行索引。
（1）torch.index_select()函数的使用

t1 = torch.arange(1, 11)
#结果为：tensor([1, 2, 3, 4, 5, 6, 7, 8, 9, 10])
t1.ndim
#结果为：1
indices = torch.tensor([1, 2])
#结果为：tensor([1, 2])
torch.index_select(t1, 0, indices)
#表示在t1张量中，第一个维度（行）上，查看索引为1,2的张量元素；并返回一个一维张量
#结果为：tensor([2, 3])

注：在index_select函数中，第二个参数实际上代表的是索引的维度。对于t1这个一维向量来说，由于只有一个维度，因此第二个参数取值为0，就代表在第一个维度上进行索引

t2 = torch.arange(12).reshape(4, 3)
#结果为：tensor([[ 0,  1,  2],
                 [ 3,  4,  5],
                 [ 6,  7,  8],
                 [ 9, 10, 11]])
t2.shape
#结果为：torch.Size([4, 3])
indices = torch.tensor([1, 2])
#结果为：tensor([1, 2])
torch.index_select(t2, 0, indices) #第二个参数为0，表示第一个维度（行），返回一个二维张量
#结果为：tensor([[3, 4, 5],
                 [6, 7, 8]])

注：dim参数取值为0，代表在shape的第一个维度（行）上索引

torch.index_select(t2, 1, indices)
#结果为：tensor([[ 1,  2],
                 [ 4,  5],
                 [ 7,  8],
                 [10, 11]])

注：dim参数取值为1，代表在shape的第二个维度（列）上索引
以上是本人的浅显见解，还请多多指教。