对于PyTorch中的torch.gather()的理解

最新推荐文章于 2022-11-29 00:34:36 发布

ToTensor

最新推荐文章于 2022-11-29 00:34:36 发布

阅读量242

点赞数 2

分类专栏： NLP实战文章标签： pytorch

本文链接：https://blog.csdn.net/qq_44193969/article/details/117886611

版权

NLP实战专栏收录该内容

10 篇文章 23 订阅

订阅专栏

label:
		tensor([[100, 101, 102, 103, 104, 105, 106, 107, 108, 109],
		        [100, 101, 102, 103, 104, 105, 106, 107, 108, 109],
		        [100, 101, 102, 103, 104, 105, 106, 107, 108, 109],
		        [100, 101, 102, 103, 104, 105, 106, 107, 108, 109]])
		        
idx:
		tensor([[0, 5, 7],
		        [3, 5, 6],
		        [2, 5, 8],
		        [1, 6, 9]])

torch.gather(label,dim = 1,index = idx.long())
#输出：
out = 
		tensor([[100, 105, 107],
		        [103, 105, 106],
		        [102, 105, 108],
		        [101, 106, 109]])
#label.shape = 4*10 , 为4行10列的tensor，参数dim=1指的是在label的第一个维度取值
#也就是在label的列取值， idx指的就是dim=1的索引，也就是label列索引
#如果dim=0，则idx指的就是dim=0的索引，也就是label行索引
#out的size跟idx的size一致
#idx(0,0)的值为0，由于dim=1，所以应该取出label第0行，第0列的值，所以out(0,0) = 100
#idx(0,1)的值为5，由于dim=1，所以应该取出label第0行，第5列的值，所以out(0,1) = 105
#idx(0,2)的值为7，由于dim=1，所以应该取出label第0行，第7列的值，所以out(0,2) = 107
## 接下来，进入到idx的第二行，所以，label也应该进入到第二行，out也是如此。
#idx(1,0)的值为3，由于dim=1，所以应该取出label第1行，第3列的值，所以out(1,0) = 103
#idx(1,1)的值为5，由于dim=1，所以应该取出label第1行，第1列的值，所以out(1,1) = 105
#idx(1,2)的值为6，由于dim=1，所以应该取出label第1行，第6列的值，所以out(1,0) = 106
#看出规律了吗，因为dim=1，idx的值就是要取的label的列索引，idx的行号，就是要取的label的行索引
##想必看到这里，你已经明白了gather的作用
##我们再来测试一下dim=0

torch.gather(label,dim = 0,index = idx.long()):
#报错如下：
#RuntimeError                              Traceback (most #recent call last)
#~/Desktop/Study/手写数字.py in 
#----> 346 torch.gather(label,dim = 0,index = idx.long())
#
#RuntimeError: index 5 is out of bounds for dimension 0 with size 4

##哦豁，竟然报错了，因为我们的idx中，有大于4的值，为什么是大于4呢，因为label的第一个维度为4，理解了吧
#我们重新换个idx1来试下：
idx1  = torch.tensor([[0,1,0,3,2,1,0,1]]) 

label:
		tensor([[100, 101, 102, 103, 104, 105, 106, 107, 108, 109],
		        [100, 101, 102, 103, 104, 105, 106, 107, 108, 109],
		        [100, 101, 102, 103, 104, 105, 106, 107, 108, 109],
		        [100, 101, 102, 103, 104, 105, 106, 107, 108, 109]])

torch.gather(label,dim = 0,index = idx1.long())
#输出：
out =
    tensor([[100, 101, 102, 103, 104, 105, 106, 107]])
#还是老规矩，out的shape，一定是和idx1一样的
#idx1中没有大于4的值，因为label的shape为4*10，所以当dim=0时，idx中的值表示的就是label的行号了，所以必须小于4.
#接下来我们来分析为什么out是这样的结果：
#idx1.shape = (1,8)
#idx1(0,0)的值为0，dim=0，所以应该取出label的第0行，第0列的值，所以out(0,0) = 100
#idx1(0,1)的值为1，dim=0，所以应该取出label的第1行，第1列的值，所以out(0,1) = 101
#idx1(0,2)的值为0，dim=0，所以应该取出label的第0行，第2列的值，所以out(0,2) = 102
#idx1(0,3)的值为3，dim=0，所以应该取出label的第3行，第3列的值，所以out(0,3) = 103
#idx1(0,4)的值为2，dim=0，所以应该取出label的第2行，第4列的值，所以out(0,4) = 104
#看出来了吗，由于dim=0，现在idx1的值，就是要取的label的行号，idx1的列索引，就是要取的label的列号
#如果到这里还不理解的话，可以再更换下idx试试。