4.tensor的索引与变形

代码如下：

import torch

if __name__ == '__main__':

    #一、tensor的索引

    a=torch.Tensor([[1,2,3],[0,3,2]])
    #1.根据下标索引
    print(a[1][2])
    print("1.根据下标索引",a[:,1])

    #2.选择a中大于1的元素，返回和a相同大小的tensor,符合条件的输出1，否则输出0
    s=a>1
    print("2.选择a中大于1的元素",s)

    #3.选择符合条件的元素并返回
    print("3.选择符合条件的元素并返回",a[s])

    #4.torch.where(condition,x,y),满足condition的位置输出x,否则输出y
    hh=torch.where(a>1,2,a)
    print("4.torch.where(condition,x,y)",hh)

    #5.clamp()函数
    t=a.clamp(1,2)#限制最小值为1，最大值为2
    print("5.clamp()函数",t)

    #6.选择非0元素的坐标
    g=torch.nonzero(a)
    print("6.选择非0元素的坐标",g)


    #二、tensor的变形
    #常见的有 #view,resize,reshape
            #transpose,permute
            #squeeze,unsqueeze
            #expand,exoand_as
    #1.view,resize,reshape
    a=torch.arange(1,17)
    print(a.shape)
    print(a.reshape(2,8).shape)#reshape
    print(a.resize(4,4).shape)#resize
    print(a.view(8,2).shape)#view

    #2.transpose,permute:各维度之间的位置变换
    a=torch.Tensor([[1,2,3],[4,5,6]])
    b=a.transpose(0,1)#将第0维与第1维的元素进行转置
    print(b)

    c=a.permute(1,0)#按照1，0的维度顺序重新排序
    print(c)

    #3.squeeze,unsqueeze，用来去除size为1的维度
    a=torch.arange(4)
    print(a.shape,a)
    b=a.unsqueeze(1)
    print(b.shape,b)

    #4.expand,exoand_as:采样复制的方式来扩展tensor的维度
    a=torch.randn(2,2,1)
    b=a.expand(2,2,3)
    print("a",a)
    print("b",b)