Как изменить порядок тензора на основе тензора индексов того же размера
Скажем, у меня есть tensorA, а индексы Tensor: A = [1, 2, 3, 4], indexes = [1, 0, 3, 2]
Я хочу создать новый Tensor из этих двух со следующим результатом: [2, 1, 4, 3]
Каждый элемент результата является элементом из A, а порядок определяется индексами Tensor.
Есть ли способ сделать это с помощью PyTorch tensor ops без циклов?
Моя цель — сделать это для 2D Tensor, но я не думаю, что есть способ сделать это без циклов, поэтому я подумал спроецировать это на 1D, выполнить работу и спроецировать обратно на 2D.
Стоит ли изучать PHP в 2023-2024 годах?
Привет всем, сегодня я хочу высказать свои соображения по поводу вопроса, который я уже много раз получал в своем сообществе: "Стоит ли изучать PHP в...
Поведение ключевого слова "this" в стрелочной функции в сравнении с нормальной функцией
В JavaScript одним из самых запутанных понятий является поведение ключевого слова "this" в стрелочной и обычной функциях.
Приемы CSS-макетирования - floats и Flexbox
Здравствуйте, друзья-студенты! Готовы совершенствовать свои навыки веб-дизайна? Сегодня в нашем путешествии мы рассмотрим приемы CSS-верстки - в...
Тестирование функциональных ngrx-эффектов в Angular 16 с помощью Jest
В системе управления состояниями ngrx, совместимой с Angular 16, появились функциональные эффекты. Это здорово и делает код определенно легче для...
Концепция локализации и ее применение в приложениях React ⚡️
Локализация - это процесс адаптации приложения к различным языкам и культурным требованиям. Это позволяет пользователям получить опыт, соответствующий...
Пользовательский скаляр GraphQL
Листовые узлы системы типов GraphQL называются скалярами. Достигнув скалярного типа, невозможно спуститься дальше по иерархии типов. Скалярный тип...
0
0
42
2
Перейти к ответу
Данный вопрос помечен как решенный
Ответы 2
В 1D можно просто выполнить A[indexes].
В 2D это все еще выполнимо следующим образом:
A = torch.arange(5, 10).repeat(3, 1) # shape: (3, 5)
indexes = torch.stack([torch.randperm(5) for _ in range(3)]) # shape (3, 5)
A_sort = A[torch.arange(3).unsqueeze(1), indexes]
print(A_sort)
Была ошибка, теперь должно работать.
—
23.03.2022 10:21
Ответ принят как подходящий
Вы можете использовать разбрасывать:
A = torch.tensor([1, 2, 3, 4])
indices = torch.tensor([1, 0, 3, 2])
result = torch.tensor([0, 0, 0, 0])
print(result.scatter_(0, indices, A))
Другие вопросы по теме
Получить среднеквадратичную ошибку между каждым элементом в двух тензорах
Итерация многомерных множеств в играх
Пакетный ввод показывает 3d, но получил 2d, 2d тензор
Разрезать тензор pytorch с использованием тензора координат без цикла
Работа с различными типами тензоров в Tensorflow
Keras занимает слишком много времени, не знаю, использую ли я GPU или CPU
Преобразование тензоров в краевые списки
Форма выходного тензора от keras.losses.binary_crossentropy
Тензорное точечное произведение в керасе
Почему я не могу распечатать содержимое объекта Tensor в Python?
Похожие вопросы
Факел model.load_state_dict *** AttributeError: объект «ModelName» не имеет атрибута «копия»
Для оптимизации цикла для создания матрицы смежности
Неверный синтаксис при копировании веса в pytorch
Какой элегантный способ сравнить результаты одноразовых этикеток?
Что делает Tensor[batch_mask, ...]?
Как узнать, что обученная модель верна?
Не могу импортировать torchvision
Я плохо расщепляюсь в pytorch
У меня есть код, который я хочу перевести в pytorch. Я ищу способ перевести np.vectorize на любой способ pytorch в этом случае
Будут ли записываться градиенты при определении точности модели в pytorch?
Привет. Это то, что я искал. Спасибо. Что касается 2D-решения, я получаю сообщение об ошибке, возможно, вы имели в виду: A_sort = A[диапазон (5) [0], индексы]?