Pytorch中gather的用法是什么？
发布时间：2022-03-09 13:44:48 所属栏目：语言 来源：互联网
导读：这篇文章给大家分享的是有关Pytorch中gather的用法的内容，很多新手对于gather的用法不是很了解，因此分享一些给大家做个参考，希望大家阅读完这篇能有收获，接下来一起跟随小编看看吧。 官方说明 gather可以对一个Tensor进行聚合，声明为：torch.gather(inp
|
这篇文章给大家分享的是有关Pytorch中gather的用法的内容，很多新手对于gather的用法不是很了解，因此分享一些给大家做个参考，希望大家阅读完这篇能有收获，接下来一起跟随小编看看吧。 官方说明 gather可以对一个Tensor进行聚合，声明为：torch.gather(input, dim, index, out=None) → Tensor 一般来说有三个参数：输入的变量input、指定在某一维上聚合的dim、聚合的使用的索引index，输出为Tensor类型的结果（index必须为LongTensor类型）。 #参数介绍： input (Tensor) -C The source tensor dim (int) -C The axis along which to index index (LongTensor) -C The indices of elements to gather out (Tensor, optional) -C Destination tensor #当输入为三维时的计算过程： out[i][j][k] = input[index[i][j][k]][j][k] # dim=0 out[i][j][k] = input[i][index[i][j][k]][k] # dim=1 out[i][j][k] = input[i][j][index[i][j][k]] # dim=2 #样例： t = torch.Tensor([[1,2],[3,4]]) torch.gather(t, 1, torch.LongTensor([[0,0],[1,0]])) # 1 1 # 4 3 #[torch.FloatTensor of size 2x2] 实验 用下面的代码在二维上做测试，以便更好地理解 t = torch.Tensor([[1,2,3],[4,5,6]]) index_a = torch.LongTensor([[0,0],[0,1]]) index_b = torch.LongTensor([[0,1,1],[1,0,0]]) print(t) print(torch.gather(t,dim=1,index=index_a)) print(torch.gather(t,dim=0,index=index_b)) 输出为： >>tensor([[1., 2., 3.], [4., 5., 6.]]) >>tensor([[1., 1.], [4., 5.]]) >>tensor([[1., 5., 6.], [4., 2., 3.]]) 由于官网给的计算过程不太直观，下面给出较为直观的解释： 对于index_a，dim为1表示在第二个维度上进行聚合，索引为列号，[[0,0],[0,1]]表示结果的第一行取原数组第一行列号为[0,0]的数，也就是[1,1]，结果的第二行取原数组第二行列号为[0,1]的数，也就是[4,5]，这样就得到了输出的结果[[1,1],[4,5]]。 对于index_b，dim为0表示在第一个维度上进行聚合，索引为行号，[[0,1,1],[1,0,0]]表示结果的第一行第d（d=0,1,2）列取原数组第d列行号为[0,1,1]的数，也就是[1,5,6]，类似的，结果的第二行第d列取原数组第d列行号为[1,0,0]的数，也就是[4,2,3]，这样就得到了输出的结果[[1,5,6],[4,2,3]] 接下来以index_a为例直接用官网的式子计算一遍加深理解： output[0,0] = input[0,index[0,0]] #1 = input[0,0] output[0,1] = input[0,index[0,1]] #1 = input[0,0] output[1,0] = input[1,index[1,0]] #4 = input[1,0] output[1,1] = input[1,index[1,1]] #5 = input[1,1] 注 以下两种写法得到的结果是一样的： r1 = torch.gather(t,dim=1,index=index_a) r2 = t.gather(1,index_a) 补充：Pytorch中的torch.gather函数的个人理解 gather()函数 在pytorch中，gather()函数的作用是将数据从input中按index提出，我们看gather函数的的官方文档说明如下： torch.gather(input, dim, index, out=None) → Tensor Gathers values along an axis specified by dim. For a 3-D tensor the output is specified by: out[i][j][k] = input[index[i][j][k]][j][k] # dim=0 out[i][j][k] = input[i][index[i][j][k]][k] # dim=1 out[i][j][k] = input[i][j][index[i][j][k]] # dim=2 Parameters: input (Tensor) -C The source tensor dim (int) -C The axis along which to index index (LongTensor) -C The indices of elements to gather out (Tensor, optional) -C Destination tensor Example: >>> t = torch.Tensor([[1,2],[3,4]]) >>> torch.gather(t, 1, torch.LongTensor([[0,0],[1,0]])) 1 1 4 3 [torch.FloatTensor of size 2x2] 可以看出，在gather函数中我们用到的主要有三个参数： 1）input：输入 2）dim：维度，常用的为0和1 3）index：索引位置 贴一段代码举例说明： a=t.arange(0,16).view(4,4) print(a) index_1=t.LongTensor([[3,2,1,0]]) b=a.gather(0,index_1) print(b) index_2=t.LongTensor([[0,1,2,3]]).t()#tensor转置操作：(a)T=a.t() c=a.gather(1,index_2) print(c) 输出如下： tensor([[ 0, 1, 2, 3], [ 4, 5, 6, 7], [ 8, 9, 10, 11], [12, 13, 14, 15]]) tensor([[12, 9, 6, 3]]) tensor([[ 0], [ 5], [10], [15]]) 在gather中，我们是通过index对input进行索引把对应的数据提取出来的，而dim决定了索引的方式。 在上面的例子中，a是一个4×4矩阵： 1）当维度dim=0，索引index_1为[3,2,1,0]时，此时可将a看成1×4的矩阵，通过index_1对a每列进行行索引：第一列第四行元素为12，第二列第三行元素为9，第三列第二行元素为6，第四列第一行元素为3，即b=[12,9,6,3]； 2）当维度dim=1，索引index_2为[0,1,2,3]T时，此时可将a看成4×1的矩阵，通过index_1对a每行进行列索引：第一行第一列元素为0，第二行第二列元素为5，第三行第三列元素为10，第四行第四列元素为15，即c=[0,5,10,15]T； 总结 gather函数在提取数据时主要靠dim和index这两个参数，dim=1时将input看为n×1阶矩阵,index看为k×1阶矩阵，取index每行元素对input中每行进行列索引（如：index某行为[1,3,0],对应的input行元素为[9,8,7,6],提取后的结果为[8,6,9])； 同理，dim=0时将input看为1×n阶矩阵,index看为1×k阶矩阵，取index每列元素对input中每列进行行索引。 （编辑：唐山站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
