快捷導(dǎo)航

Pytorch Tensor的索引與切片例子

更新時(shí)間：2019年08月18日 14:55:11 作者：洪流之源

今天小編就為大家分享一篇Pytorch Tensor的索引與切片例子，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧

1. Pytorch風(fēng)格的索引

根據(jù)Tensor的shape，從前往后索引，依次在每個(gè)維度上做索引。

示例代碼：

import torch
 
a = torch.rand(4, 3, 28, 28)
print(a[0].shape) #取到第一個(gè)維度
print(a[0, 0].shape) # 取到二個(gè)維度
print(a[1, 2, 2, 4]) # 具體到某個(gè)元素

上述代碼創(chuàng)建了一個(gè)shape=[4, 3, 28, 28]的Tensor，我們可以理解為4張圖片，每張圖片有3個(gè)通道，每個(gè)通道是28x28的圖像數(shù)據(jù)。a代表這個(gè)Tensor，a后面跟著的列表[]表示對(duì)Tensor進(jìn)行索引，a的維度dim = 4,決定了[]中的元素個(gè)數(shù)不能超過4個(gè)，[]中的值表示對(duì)應(yīng)維度上的哪一個(gè)元素，比如 a[0]表示取第一個(gè)維度上的第一個(gè)元素，可以理解為第一張圖片，a[1]表示取第一個(gè)維度上的第二個(gè)元素，可以理解為第二張圖片。a[0, 0]表示取第一個(gè)維度上第一個(gè)元素的與第二個(gè)維度上的第一個(gè)元素，也就是第一張圖片第一個(gè)通道的元素。a[1, 2, 2, 4]表示取第第一個(gè)維度上的第二個(gè)元素與第二個(gè)維度上的第三個(gè)元素與第三個(gè)維度上的第三個(gè)元素與第四個(gè)維度上的第5個(gè)元素，也就是第二張圖片第三個(gè)通道第三行第四列的像素值是一個(gè)標(biāo)量值。

輸出結(jié)果：

torch.Size([3, 28, 28])
torch.Size([28, 28])
tensor(0.1076)

2. python風(fēng)格的索引

示例代碼：

import torch
 
# 譬如：4張圖片，每張三個(gè)通道，每個(gè)通道28行28列的像素
a = torch.rand(4, 3, 28, 28)
 
# 在第一個(gè)維度上取后0和1，等同于取第一、第二張圖片
print(a[:2].shape) 
 
# 在第一個(gè)維度上取0和1,在第二個(gè)維度上取0，
# 等同于取第一、第二張圖片中的第一個(gè)通道
print(a[:2, :1, :, :].shape) 
 
# 在第一個(gè)維度上取0和1,在第二個(gè)維度上取1,2，
# 等同于取第一、第二張圖片中的第二個(gè)通道與第三個(gè)通道
print(a[:2, 1:, :, :].shape) 
 
# 在第一個(gè)維度上取0和1,在第二個(gè)維度上取1,2，
# 等同于取第一、第二張圖片中的第二個(gè)通道與第三個(gè)通道
print(a[:2, -2:, :, :].shape) 
 
# 使用step隔行采樣
# 在第一、第二維度取所有元素，在第三、第四維度隔行采樣
# 等同于所有圖片所有通道的行列每個(gè)一行或者一列采樣
# 注意：下面的代碼不包括28
print(a[:, :, 0:28:2, 0:28:2].shape) 
print(a[:, :, ::2, ::2].shape) # 等同于上面語(yǔ)句

注意：負(fù)值的索引即表示倒數(shù)第幾個(gè)元素，-2就是倒數(shù)第二個(gè)元素。

輸出結(jié)果：

torch.Size([2, 3, 28, 28])
torch.Size([2, 1, 28, 28])
torch.Size([2, 2, 28, 28])
torch.Size([2, 2, 28, 28])

3. index_select（）選擇特定索引

選擇特定下標(biāo)有時(shí)候很有用，比如上面的a這個(gè)Tensor可以看作4張RGB（3通道）的MNIST圖像，長(zhǎng)寬都是28px。那么在第一維度上可以選擇特定的圖片，在第二維度上選擇特定的通道，在第三維度上選擇特定的行等：

# 選擇第一張和第三張圖
print(a.index_select(0, torch.tensor([0, 2])).shape)
 
# 選擇R通道和B通道
print(a.index_select(1, torch.tensor([0, 2])).shape)
 
# 選擇圖像的0~8行
print(a.index_select(2, torch.arange(8)).shape)

注意：index_select（）的第二個(gè)索引參數(shù)必須是Tensor類型

輸出結(jié)果：

torch.Size([2, 3, 28, 28])
torch.Size([4, 2, 28, 28])
torch.Size([4, 3, 8, 28])

4. 使用 ... 索引任意多的維度

import torch
 
a = torch.rand(4, 3, 28, 28)
 
# 等與a
print(a[...].shape)
 
# 第一張圖片的所有維度
print(a[0, ...].shape)
 
# 所有圖片第二通道的所有維度
print(a[:, 1, ...].shape)
 
# 所有圖像所有通道所有行的第一、第二列
print(a[..., :2].shape)

輸出結(jié)果：

torch.Size([4, 3, 28, 28])
torch.Size([3, 28, 28])
torch.Size([4, 28, 28])
torch.Size([4, 3, 28, 2])

5. 使用mask索引

示例代碼：

import torch
 
a = torch.randn(3, 4)
print(a)
 
# 生成a這個(gè)Tensor中大于0.5的元素的掩碼
mask = a.ge(0.5)
print(mask)
 
# 取出a這個(gè)Tensor中大于0.5的元素
val = torch.masked_select(a, mask)
print(val)
print(val.shape)

輸出結(jié)果：

tensor([[ 0.2055, -0.7070, 1.1201, 1.3325],
    [-1.6459, 0.9635, -0.2741, 0.0765],
    [ 0.2943, 0.1206, 1.6662, 1.5721]])
tensor([[0, 0, 1, 1],
    [0, 1, 0, 0],
    [0, 0, 1, 1]], dtype=torch.uint8)
tensor([1.1201, 1.3325, 0.9635, 1.6662, 1.5721])
torch.Size([5])

注意：最后取出的大于0.5的Tensor的shape已經(jīng)被打平。

6. take索引

take索引是在原來Tensor的shape基礎(chǔ)上打平，然后在打平后的Tensor上進(jìn)行索引。

示例代碼：

import torch
 
a = torch.tensor([[3, 7, 2], [2, 8, 3]])
print(a)
print(torch.take(a, torch.tensor([0, 1, 5])))

輸出結(jié)果：

tensor([[3, 7, 2],
    [2, 8, 3]])
tensor([3, 7, 3])

以上這篇Pytorch Tensor的索引與切片例子就是小編分享給大家的全部?jī)?nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。

您可能感興趣的文章:

欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

Pytorch Tensor的索引與切片例子

相關(guān)文章

最新評(píng)論

大家感興趣的內(nèi)容

最近更新的內(nèi)容

常用在線小工具