脚本之家 服务器常用软件
快捷导航
您的位置：首页 → 脚本专栏 → python → PyTorch中Tensor的查找和筛选

在PyTorch中Tensor的查找和筛选例子

 更新时间：2019年08月18日 14:46:07   作者：玄云飘风  
今天小编就为大家分享一篇在PyTorch中Tensor的查找和筛选例子，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

本文源码基于版本1.0，交互界面基于0.4.1

import torch

按照指定轴上的坐标进行过滤

index_select()

沿着某tensor的一个轴dim筛选若干个坐标

>>> x = torch.randn(3, 4) # 目标矩阵
>>> x
tensor([[ 0.1427, 0.0231, -0.5414, -1.0009],
    [-0.4664, 0.2647, -0.1228, -1.1068],
    [-1.1734, -0.6571, 0.7230, -0.6004]])
>>> indices = torch.tensor([0, 2]) # 在轴上筛选坐标
>>> torch.index_select(x, dim=0, indices) # 指定筛选对象、轴、筛选坐标
tensor([[ 0.1427, 0.0231, -0.5414, -1.0009],
    [-1.1734, -0.6571, 0.7230, -0.6004]])
>>> torch.index_select(x, dim=1, indices)
tensor([[ 0.1427, -0.5414],
    [-0.4664, -0.1228],
    [-1.1734, 0.7230]])

where()

用于将两个broadcastable的tensor组合成新的tensor，类似于c++中的三元操作符“?:”

>>> x = torch.randn(3, 2)
>>> y = torch.ones(3, 2)
>>> torch.where(x > 0, x, y)
tensor([[1.4013, 1.0000],
    [1.0000, 0.9267],
    [1.0000, 0.4302]])
>>> x
tensor([[ 1.4013, -0.9960],
    [-0.3715, 0.9267],
    [-0.7163, 0.4302]])

指定条件返回01-tensor

>>> x = torch.arange(5)  
>>> x
tensor([0, 1, 2, 3, 4])
>>> torch.gt(x,1) # 大于
tensor([0, 0, 1, 1, 1], dtype=torch.uint8)
>>> x>1   # 大于
tensor([0, 0, 1, 1, 1], dtype=torch.uint8)
>>> torch.ne(x,1) # 不等于
tensor([1, 0, 1, 1, 1], dtype=torch.uint8)
>>> x!=1  # 不等于
tensor([1, 0, 1, 1, 1], dtype=torch.uint8)
>>> torch.lt(x,3) # 小于
tensor([1, 1, 1, 0, 0], dtype=torch.uint8)
>>> x<3   # 小于
tensor([1, 1, 1, 0, 0], dtype=torch.uint8)
>>> torch.eq(x,3) # 等于
tensor([0, 0, 0, 1, 0], dtype=torch.uint8)
>>> x==3  # 等于
tensor([0, 0, 0, 1, 0], dtype=torch.uint8)

返回索引

>>> x = torch.arange(5)
>>> x  # 1维
tensor([0, 1, 2, 3, 4])
>>> torch.nonzero(x)
tensor([[1],
    [2],
    [3],
    [4]])
>>> x = torch.Tensor([[0.6, 0.0, 0.0, 0.0],[0.0, 0.4, 0.0, 0.0],[0.0, 0.0, 1.2, 0.0],[0.0, 0.0, 0.0,-0.4]])
>>> x  # 2维
tensor([[ 0.6000, 0.0000, 0.0000, 0.0000],
    [ 0.0000, 0.4000, 0.0000, 0.0000],
    [ 0.0000, 0.0000, 1.2000, 0.0000],
    [ 0.0000, 0.0000, 0.0000, -0.4000]])
>>> torch.nonzero(x)
tensor([[0, 0],
    [1, 1],
    [2, 2],
    [3, 3]])

借助nonzero()我们可以返回符合某一条件的index（https://stackoverflow.com/questions/47863001/how-pytorch-tensor-get-the-index-of-specific-value）

>>> x=torch.arange(12).view(3,4)
>>> x
tensor([[ 0, 1, 2, 3],
    [ 4, 5, 6, 7],
    [ 8, 9, 10, 11]])
>>> (x>4).nonzero()
tensor([[1, 1],
    [1, 2],
    [1, 3],
    [2, 0],
    [2, 1],
    [2, 2],
    [2, 3]])

以上这篇在PyTorch中Tensor的查找和筛选例子就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持脚本之家。

您可能感兴趣的文章:

相关文章

  • Django 中使用日志的方法

    Django 中使用日志的方法

    Django 使用 Python 内置的 logging 模块处理系统日志，所以，只要掌握了 Python 中的 logging 模块，基本也就能够在 django 中使用日志了，本文重点给大家介绍django 中使用日志的方法，感兴趣的朋友一起看看吧
    2022-07-07
  • 浅析Python中的多进程与多线程的使用

    浅析Python中的多进程与多线程的使用

    这篇文章主要介绍了Python中的多进程与多线程,线程与进程一直是Python学习和运用当中的重点和难点,本文采用简单的例子进行讲解,需要的朋友可以参考下
    2015-04-04
  • Python抓取框架 Scrapy的架构

    Python抓取框架 Scrapy的架构

    这篇文章主要为大家详细介绍了Python抓取框架，针对Scrapy的架构进行分析，感兴趣的小伙伴们可以参考一下
    2016-08-08
  • python程序输出无内容的解决方式

    python程序输出无内容的解决方式

    这篇文章主要介绍了python程序输出无内容的解决方式，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
    2020-04-04
  • Python中Proxypool库的安装与配置

    Python中Proxypool库的安装与配置

    今天小编就为大家分享一篇关于Python中Proxypool库的安装与配置，小编觉得内容挺不错的，现在分享给大家，具有很好的参考价值，需要的朋友一起跟随小编来看看吧
    2018-10-10
  • 什么是python的id函数

    什么是python的id函数

    在本篇文章里小编给大家分享了关于python里id函数的基础知识点，需要的朋友们可以一起学习下。
    2020-06-06
  • Pycharm代码无法复制,无法选中删除,无法编辑的解决方法

    Pycharm代码无法复制,无法选中删除,无法编辑的解决方法

    今天小编就为大家分享一篇Pycharm代码无法复制,无法选中删除,无法编辑的解决方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
    2018-10-10
  • Pandas DataFrame中的tuple元素遍历的实现

    Pandas DataFrame中的tuple元素遍历的实现

    这篇文章主要介绍了Pandas DataFrame中的tuple元素遍历的实现，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
    2019-10-10
  • PyTorch上搭建简单神经网络实现回归和分类的示例

    PyTorch上搭建简单神经网络实现回归和分类的示例

    本篇文章主要介绍了PyTorch上搭建简单神经网络实现回归和分类的示例，小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧
    2018-04-04
  • python3爬虫中多线程的优势总结

    python3爬虫中多线程的优势总结

    在本篇文章里小编给大家分享了一篇关于python3爬虫中多线程的优势总结内容，需要的朋友们可以参考学习下。
    2020-11-11

最新评论