使用索引张量选择张量的第二维度
是指在张量中通过索引操作选择或提取出张量的第二个维度的元素或子张量。
索引张量是一个整数张量，它用于指定需要选择的元素的位置。在使用索引张量选择张量的第二维度时，我们可以使用以下的方法：
- 切片索引：可以使用切片操作来选择张量的第二维度的连续元素子集。例如，对于形状为 (n, m) 的二维张量，可以使用 tensor[:, start:end] 来选择张量的第二维度中从 start 到 end-1 的所有元素。
- 整数索引：可以使用整数索引来选择张量的第二维度中的特定元素。例如，对于形状为 (n, m) 的二维张量，可以使用 tensor[:, [index1, index2, ...]] 来选择张量的第二维度中索引为 index1、index2 等的元素。
- 布尔索引：可以使用布尔索引来选择张量的第二维度中符合特定条件的元素。例如，可以使用 tensor[:, tensor > 0] 来选择张量中所有大于0的元素。
选择张量的第二维度可以在许多场景中发挥作用，例如：
- 数据处理和特征选择：在机器学习和数据处理任务中，我们经常需要从数据集中选择特定的特征或列进行处理和分析。
- 张量变换：在深度学习和神经网络中，我们可以使用索引张量来选择需要处理的特定层或节点。
- 数据可视化：在数据可视化任务中，我们可以使用索引张量选择特定的数据维度或属性进行绘制和展示。
在腾讯云中，相关产品和服务可以提供云计算和数据处理的支持，例如：
- 腾讯云对象存储（COS）：提供可扩展的、安全的、低成本的云端存储服务，适用于大规模数据的存储和访问。详情请参考：https://cloud.tencent.com/product/cos
- 腾讯云计算引擎（TKE）：提供高性能、可弹性扩展的容器化应用程序管理平台，支持快速部署和管理云原生应用。详情请参考：https://cloud.tencent.com/product/tke
- 腾讯云人工智能平台（AI Lab）：提供丰富的人工智能服务和工具，包括图像识别、自然语言处理等，支持开发者构建智能化应用。详情请参考：https://cloud.tencent.com/product/ailab
这些产品和服务可以帮助用户在云计算领域进行数据处理、存储、应用部署等任务，并提供了灵活、安全、可靠的解决方案。
相关·内容
1回答
我看到了在PyTorch中索引张量的语法，不知道它意味着什么：
v = torch.div(t, n[:, None])
其中v、t和n是张量。
"None“在这里扮演什么角色？我似乎在文件里找不到它。
浏览 0提问于2021-11-01得票数 5
回答已采纳
1回答
我正在将一个大小为[1,3,224,224]的张量转储到一个文件中，并希望将其拆分为3个大小为[1,1,224,224]的张量，每个[1,1,224,224]通道一个，并将它们转储到3个单独的文件中。我如何实现这一点？
浏览 5提问于2022-04-25得票数 0
2回答
我有个Numpy张量器 X = np.arange(64).reshape((4,4,4)) 我想要获取这个张量的第一维的2,3,4项，你可以这样做， Y = X[[1,2,3],:,:] 这是不是比显式地写出索引1,2,3更简单的方式呢？我尝试了像1，：这样的东西，它给我一个错误。 上下文:对于我的实际应用程序，张量的形状类似于(30000,100,100)。我想抓住这个张量的最后一个(10000,100,100)到(30000,100,100)。
浏览 14提问于2020-10-02得票数 0
回答已采纳
例如，如果我有一个二维张量X，我可以对X :,1：；如果我有一个三维张量Y，那么我可以对最后一个维进行类似的切片，比如Y:，：，1：。
当给定未知维数的张量Z时，什么是正确的切片方法？不如来个粗野的数组？
谢谢!
浏览 3提问于2020-02-26得票数 8
回答已采纳
我有以下张量： indices = tf.constant([[1, 2], [0, 2], [1, 0]]) 我想创建以下张量： [[0, 1, 1],
[1, 0, 1],
[1, 1, 0]] 基本上，我想要一个形状为indices.shape[0]的方阵，其中除indices张量中的相应索引外，其元素都为零。 我尝试过tf.scatter_nd，但是没有成功！
浏览 33提问于2021-04-07得票数 0
回答已采纳
3回答
我有一个形状为(30, 116, 10)的张量，我想交换前两个维度，所以我有一个形状为(116, 30, 10)的张量
我将numpy看作是这样一个函数实现(np.swapaxes)，我在tensorflow中搜索了类似的东西，但什么也没有找到。
你有什么想法吗？
浏览 3提问于2016-07-06得票数 40
回答已采纳
1回答
给定一个一维张量：
A = torch.tensor([1, 2, 3, 4])
假设我们有一些“索引器张量”
ind1 = torch.tensor([3, 0, 1])
ind2 = torch.tensor([[3, 0], [1, 2]])
当我们运行A[ind1] & A[ind2]时
结果表明，tensor([4, 1, 2]) & tensor([[4, 1],[2, 3]])与索引张量(ind1和ind2)的形状相同，其值由张量A映射而来。
我想问如何在高维张量上索引
目前我有一个解决方案
对于IND张量A，假设我们有索引器张量IND，IND类似于[[i11,
浏览 2提问于2022-02-05得票数 0
回答已采纳
我有一个LongTensor，它包含来自另一个张量的所有指数。如何将此LongTensor转换为可用作选择掩码的ByteTensor。
假设，
th> imageLabels:size()
17549
3
[torch.LongStorage of size 2]
[0.0001s]
th> indices
1
22
32
[torch.LongTensor of size 3]
我需要一种使用imageLabels表示法
浏览 5提问于2016-07-15得票数 0
回答已采纳
1回答
因此，我很难理解有关Py手电筒中集合的一些术语。我不断地遇到同样的错误，我的张量的范围是不正确的，当我试图谷歌的解决方案时，解释往往更加混乱。
下面是一个示例：
m = torch.nn.LogSoftmax(dim=1)
input = torch.tensor([0.3300, 0.3937, -0.3113, -0.2880])
output = m(input)
我看不出上面的代码有什么问题，我已经定义了我的LogSoftmax来接受一个一维输入。因此，根据我在其他编程语言方面的经验，集合[0.3300, 0.3937, -0.3113, -0.2880]是一个单一维度。
以上为m(i
浏览 3提问于2020-01-12得票数 7
回答已采纳
2回答
我知道这对你们有些人来说可能是个简单的问题。我无法得到预期的输出。输入张量如下所示。
X = tensor([[50.7500, 44.0000],
[47.0000, 47.0000],
[42.5000, 52.2500],
[59.6163, 50.7097],
[54.6682, 54.6682],
[48.7304, 61.5956],
[71.3156, 59.5631],
[64.7864, 64.7864],
[56.9515, 73.9272]])
浏览 0提问于2019-10-14得票数 0
回答已采纳
我需要一个与tf.one_hot提供的1有些类似的张量，但我(有时)需要在每一行中有多个张量。
更具体地说，给定一个2d张量A，当且仅当A包含列索引作为同一行中的值时，我需要一个在某个位置具有1的2d张量。
更糟糕的是，我给出的张量A是动态大小和填充的，但另一个1d张量提供了实际长度。
执行此操作的有效方法(内存和时间)是什么？
问题的一些上下文:我正在对每个示例使用可变的标签子集进行多类分类。因此，我计算softmax的指数，并希望从不相关的类标签中减去一个大数字。
例如，给定输入：
indices = [[1, 4, 2, 5], [0, 4, 2, 0], [2, 4, 0, 0]]
r
浏览 2提问于2017-05-13得票数 0
所以我有一个张量，model，其中M是模型的数目，B是批，C是类，每个单元是给定模型和批处理的类的概率。然后，我得到了一个正确答案的张量，也就是B大小的1D，我们称之为"t“。如何使用大小为1D的B来返回MxBx1，其中返回的张量只是正确类的值？假设M张量被称为"blah“，我试过了
blah[:, :, C]
for i in range(M):
blah[i, :, C]
blah[:, C, :]
前2只返回每个切片第3维中的索引t值。最后一个返回二维t索引处的值。我该怎么做？
浏览 1提问于2021-04-01得票数 3
回答已采纳
我有一个形状为(2, 3, 4)的张量t t = tf.random.normal((2, 3, 4))
<tf.Tensor: id=55, shape=(2, 3, 4), dtype=float32, numpy=
array([[[-0.86664855, -0.32786712, -0.9517335 , 0.989722 ],
[-0.25011402, -0.35941386, -1.0808105 , 0.60205466],
[ 0.07523973, -0.6512919 , 1.3695312 , -1.5043781 ]
浏览 21提问于2019-09-23得票数 0
我正在尝试找到一种不使用for循环的方法。 假设我有一个多维张量t0 bs = 4
seq = 10
v = 16
t0 = torch.rand((bs, seq, v)) 它的形状是：torch.Size([4, 10, 16]) 我有另一个张量labels，它是seq维度中的一批5个随机索引： labels = torch.randint(0, seq, size=[bs, sample]) 这是shape torch.Size([4, 5])。用于对t0的seq维度进行索引。 我想做的是循环批量维度，使用labels张量进行聚集。我的暴力解决方案是这样的： t1 = torch.em
浏览 41提问于2021-01-26得票数 0
3回答
我有一个三维张量，source of (bsz x slen1 x nhd)和2d张量，index of shape (bsz x slen2)。更具体地说，我有：
source = 32 x 20 x 768
index = 32 x 16
index张量中的每个值都在[0, 19]之间，根据source张量的第2 dim值，source张量是期望向量的索引。
在索引之后，我期待一个形状的输出张量，32 x 16 x 768。
目前，我正在这样做：
bsz, _, nhid = source.size()
_, slen = index.size()
source = source.re
浏览 0提问于2019-04-11得票数 5
回答已采纳
1回答
我想索引到任意形状的张量的最后一个轴，除了最后一个是2。
设x是形状的(1,2,2)。对最后一个轴的索引
x_0 = x[:, :, 0] # x_0, x_1 shapes are (1,2)
x_1 = x[:, :, 1]
例如，x是形状的(1,2,3,4,2)。对最后一个轴的索引
x_0 = x[:, :, :, :, 0] # x_0, x_1 shapes are (1,2,3,4)
x_1 = x[:, :, :, :, 1]
我找不到任何tensorflow函数或用于分割任意形状的用法。
我需要一个通用的索引方法，这样我就可以访问任意形状张量的最后一个轴。
浏览 3提问于2021-07-27得票数 0
回答已采纳
我试图根据另外两个张量的内容组装一个张量，如下所示：
我有一个叫A的二维张量，它的形状为I* J，另一个叫B的二维张量，它的形状为M* N，其元素是A的第一维的指数，我想得到一个具有M*N*J形状的三维张量C，使得[0，M)中的所有m和[0，N]中的所有m都有C[m,n,:] == A[B[m,n],:]。
我可以使用嵌套的for-循环来迭代M和N中的所有索引，在每个索引上分配正确的值给C，但是M和N很大，所以速度很慢。我怀疑有一些更好的，更快的方法来做这件事，使用聪明的切片或内置的pytorch函数，但我不知道它会是什么。它看起来有点像使用torch.gather()的地方，但这需要所有张量
浏览 3提问于2022-01-31得票数 1
回答已采纳
我需要张量的形状，除非我需要-1 \f25 feature_size _size//2而不是-1\f25 feature_size//2
我目前使用的代码是
_, half_output = tf.split(output,2,axis=-1)
half_shape = tf.shape(half_output)
这是有效的，但它是难以置信的不优雅。我不需要额外的一半张量的副本，我只需要那个形状。我试过用其他方法来做这件事，但是除了这个bosh解决方案之外，什么都没有起作用。
有没有人知道一种简单的方法？
浏览 2提问于2017-11-21得票数 0
2回答
我在和火把的张量一起工作。如何将对应于列向量的张量转换为对应于其转置的张量？
import numpy as np
coef = torch.from_numpy(np.arange(1.0, 5.0)).float()
print(coef)
print(coef.size())
目前，coef的大小是[4]，但我希望它是具有相同内容的[4, 1]。
浏览 0提问于2018-04-16得票数 1
回答已采纳
我在PyTorch中发现了一行用于将3D张量简化为2D张量的代码。3D张量x的大小为torch.Size([500, 50, 1])，下面这行代码：
x = x[lengths - 1, range(len(lengths))]
用于将x简化为大小为torch.Size([50, 1])的2D张量。lengths也是包含值的shape torch.Size([50])的张量。
有谁能解释一下这是怎么工作的吗？谢谢。
浏览 1提问于2020-02-13得票数 3
以形状为4,8,12的张量为例，这两条线之间有什么区别：
torch.mean(x, dim=2)
torch.nn.functional.avg_pool1d(x, kernel_size=12)
浏览 2提问于2021-12-08得票数 1
回答已采纳
1回答
我对如何阅读和理解一行简单的代码感到有点困惑：
我有一个张量input的形状(19,4,64,64,3)。
代码行input[:, None]返回形状(19, 1, 4, 64, 64, 3)的张量。
我该如何理解这句话的行为？None似乎添加了一个尺寸为1的维度，但是为什么在特定的位置( 19到4之间)添加了这个维度呢？
浏览 0提问于2018-10-05得票数 1
回答已采纳
使用PyTorch，我有一个尺寸为(b, 2, x, y)的多维张量A，以及尺寸(b, 2, x, y, 3)的另一个相关张量B。
我希望在dim=1中得到A中的最小值的索引(这个维数是2)，并将这个索引张量应用到B，这样我就可以得到一个形状(b, x, y, 3)的张量。
通过使用A_mins, indices = torch.min(A, dim=1)，我可以得到形状为(b, x, y)的张量indices，其中值是0还是1，这取决于A中dim=1的最小值。我不知道如何将其应用于B以获得所需的输出。我知道torch.index_select做了类似的工作，但只针对一维索引向量。
浏览 15提问于2022-02-23得票数 2
回答已采纳
1回答
如何进行分层乘法？
、、、
我有一个张量，包含五个2x2矩阵-形状(1,5,2,2)，张量包含5个元素-形状(5)。我想把每个2x2矩阵(前一个张量)乘以相应的值(在后一个张量中)。结果张量应为形状(1,5,2,2)。怎么做？
在运行此代码时获取以下错误
a = torch.rand(1,5,2,2)
print(a.shape)
b = torch.rand(5)
print(b.shape)
mul = a*b
RuntimeError: The size of tensor a (2) must match the size of tensor b (5) at non-singleton dimension 3
浏览 1提问于2020-05-02得票数 2
假设你有一组k张量，为了简单起见，我们假设它们是2张量/矩阵：
X = rand(5,5); Y = rand(5,5);
有没有一种习惯用法将它们组合成一个3-张量，其中第一维索引矩阵？一种方法是
P(1,:,:) = X;
P(2,:,:) = Y;
现在，P具有所需的尺寸2x5x5。有没有更好的方法来做这件事？例如，在numpy中，可以简单地输入：
P = array((X,Y))
但是在matlab中，输入P=[X Y]或P=[X; Y]将分别得到10x5和5x10矩阵，而不是预期的2x5x5。
浏览 1提问于2011-08-07得票数 2
回答已采纳
3回答
用另一个多维张量索引多维火炬张量
、、、、
我有一个张量x，我们假设形状(5,3,2,6)和另一个形状的张量idx (5,3,2,1)，它包含第一张量中每个元素的指数。我要用第二张量的指数分割第一个张量。我尝试了x= xidx，但是当我真的希望它是形状(5,3,2)或(5,3,2,1)时，我得到了一个奇怪的维数。
我试着举一个简单的例子:比方说
x=torch.Tensor([[10,20,30],
[8,4,43]])
idx = torch.Tensor([[0],
[2]])
我想要像这样的
y = x[idx]
这样'y‘输出[[10],[43]]
浏览 1提问于2020-07-06得票数 5
回答已采纳
我有两个张量：scores和lists
scores的形状是(x, 8)和lists of (x, 8, 4)。我希望为scores 中的每一行筛选最大值，并从 lists中筛选各自的元素。
以下面的例子为例(为了简单起见，形状维度8简化为2 )：
scores = torch.tensor([[0.5, 0.4], [0.3, 0.8], ...])
lists = torch.tensor([[[0.2, 0.3, 0.1, 0.5],
[0.4, 0.7, 0.8, 0.2]],
[[0.1, 0
浏览 3提问于2022-01-18得票数 3
回答已采纳
注意:我正在寻找最快/最佳的方法来做或改进这一点，因为我的限制是时间。
使用PyTorch，我有一个图像作为三维张量，假设维数64x400x400，其中64表示通道，400表示图像维数。有了这个，我有一个64长的一维张量，它们都有不同的值，其中的意图是每个通道使用一个值。我想使用每个一维张量的值来应用于整个通道的400x400块。因此，例如，当我想要添加3d_tensor + 1d_tensor时，我希望将1d_tensor[i]添加到3d_tensor[i]中的所有400x400 = 160000值中，[i]从0到63不等。
我以前做的事：
我尝试直接使用操作符，只使用：
output_ad
浏览 4提问于2020-10-20得票数 1
回答已采纳
这里有一个5-dimensional张量dense_volume1，而在“和弦”中有许多4-dimensional索引张量coord。
如何有效地索引原始值张量？
下面的代码看起来太慢了：
for coord in coords:
feats.append(dense_volume1[coord[3], :, coord[0], coord[1], coord[2]])
浏览 5提问于2022-06-24得票数 -1
在从训练到推理的过程中，我试图了解在RNNCell中权重是如何缩放的。
将下列占位符定义为：
data = tf.placeholder(tf.int32,[None,max_seq_len]) targets = tf.placholder(tf.int32,[None,max_seq_len])
在训练期间，batch_size被设置为10，例如，两个张量都有10，max_seq_len形状。然而，在推理过程中，只使用了一个例子，而不是一个批次的10，因此张量具有形状1，max_seq_len。
Tensorflow无缝地处理这个维度的变化，但是，我不确定它是如何做到这一点的？
我的假设是
浏览 0提问于2017-11-29得票数 0
回答已采纳
假设我有一个张量，利用torch.topk函数得到张量的最大k元及其指数。类似于下面的代码
>>> x = torch.arange(1., 6.)
>>> x
tensor([ 1., 2., 3., 4., 5.])
>>> torch.topk(x, 3)
torch.return_types.topk(values=tensor([5., 4., 3.]), indices=tensor([4, 3, 2]))
现在，假设我想将上面的最大k元素设置为0，但是保持它们在原始张量中的相同位置。我怎么能这么做？
如果k =3，那么
浏览 19提问于2022-11-25得票数 0
假设我们有
t = np.random.rand(2,3,4)
即，2x3x4张量。
我很难理解为什么t[0][:][:2]的形状是2x4而不是3x2。我们不是取第0，全部，和第一指数的第一，第二和第三维度，在这种情况下，会给我们一个3x2张量？
浏览 1提问于2022-01-07得票数 0
2回答
我有一个张量[1,2,4,5,7,8]和一个指数为0,1,0的张量。 我想把它们应用到第二维，这样它就会返回: 1,5,8。 我该怎么做呢？ 谢谢!
浏览 34提问于2019-03-03得票数 1
回答已采纳
我需要切片一个等级-3张量，为第一维的每个条目选择一个不同的第二维值。
对于每个3张量，我需要这样做，但例如，考虑以下(3,4,3)张量A
[[[ 0 1 2]
[ 3 4 5]
[ 6 7 8]
[ 9 10 11]]
[[12 13 14]
[15 16 17]
[18 19 20]
[21 22 23]]
[[24 25 26]
[27 28 29]
[30 31 32]
[33 34 35]]]
和下面的索引列表索引用于第二维度
[1,2,3]
然后要得到以下(3,3)张量out
[[ 3 4 5]
[18 19 20]
[33 34 35]]
我知道如何用for循
浏览 2提问于2022-02-03得票数 0
回答已采纳
1回答
我想我有个很简单的问题。让我们取以下长度的张量6
t = torch.tensor([10., 20., 30., 40., 50., 60.])
现在，我只想访问特定索引上的元素，比如在[0, 3, 4]。所以我想回去
# exptected output
tensor([10., 40., 50.])
我发现对于二维张量非常有用，例如维数(2, 4)，但是对于给定的t就不起作用。
如何在不使用for循环的情况下，根据给定的一维张量索引列表访问一组元素？
浏览 13提问于2022-11-23得票数 0
回答已采纳
2回答
我有一个带浮点项的张量a和torch.Size([64,2])，还有一个带有torch.Size([64])的张量b。b的条目仅为0或1。
我想用torch.Size([64])得到一个新的张量torch.Size([64])，使每一个指数i都有c[i] == a[i,b[i]]，我怎么能做到呢？
我的尝试，，我尝试了torch.gather，但没有成功。下面的代码给出了RuntimeError: Index tensor must have the same number of dimensions as input tensor
import torch
a = torch.zeros([
浏览 9提问于2022-05-16得票数 1
回答已采纳
我正在尝试拆分张量，因为我需要一个序列作为RNN的输入。我使用的是可变序列长度，这会使我无法正确使用tf.unstack。
def MapToSequences(x):
# x.get_shape().as_list() = [64, 1, None, 512]
x = tf.squeeze(x)
# tf.shape(x) = [None, None, None], at runtime would be [64, seqlen, 512]
x = tf.transpose(x, perm=[1, 0, 2])
# [seqlen, 64, 512]
浏览 8提问于2017-07-31得票数 3
回答已采纳
我在挣扎于胡说八道。
我有一个张量的形状(batch_size，timestep，feature)：
例如，让我们创建一个虚拟的：
x = np.arange(42).reshape(2,7,3)
#now make some rows have homogeneous values
x[:,::3,:] =0
x[:,::5,:] =2
现在，我需要一个numpyish方法(在tensorflow中是可重复的)来删除所有值都相同的行(axis=-2)。最后，我需要张量来显示如下：
[[[ 3 4 5]
[ 6 7 8]
[12 13 14]]
[[24 25 26]
浏览 3提问于2020-12-07得票数 2
我有一个大小为bsize x 50 x 50的Pytorch张量，其中一些行完全填充了零：
[[0, 2, 0, ..., 0, 0, 0],
[2, 0, 2, ..., 0, 0, 0],
[0, 2, 0, ..., 0, 0, 0],
...,
[0, 0, 0, ..., 0, 0, 0],
[0, 0, 0, ..., 0, 0, 0],
[0, 0, 0, ..., 0, 0, 0]],
[[0, 2, 0, ..., 0,
浏览 2提问于2020-08-31得票数 0
回答已采纳
我在tensorflow中实现了RBM。
使用小批处理实现参数更新存在一个障碍。
有两个张量
第一张量为100,3,1第二张量为100,1,4
100号是批次的大小。
所以我想把这些张量乘以，得到100,3,4张量。
但是当我实现这样的代码时
tf.tensordot(1st_tensor,2nd_tensor,[[2],[1]])
由此产生的张量形状为100,3,100,4
我该如何解决这个问题？
浏览 2提问于2017-05-22得票数 4
回答已采纳
给定indices和shape [batch_size, sequence_len]，updates和shape [batch_size, sequence_len, sampled_size]，to_shape和shape [batch_size, sequence_len, vocab_size]，其中vocab_size >> sampled_size，我想使用tf.scatter将updates映射到一个带有to_shape的巨大张量，这样to_shape[bs, indices[bs, sz]] = updates[bs, sz]。也就是说，我想逐行将updates映射到
浏览 2提问于2017-07-18得票数 4
1回答
给定两个2-D pytorch张量：
A = torch.FloatTensor([[1,2],[3,4]])
B = torch.FloatTensor([[0,0],[1,1],[2,2]])
有没有一种有效的方法来计算形状(6，2，2)的张量，其中每个条目是一列A乘以每行B
例如，对于上面的A和B，3D张量应该具有以下矩阵：
[[[0, 0],
[0, 0]],
[[1, 1],
[3, 3]],
[[2, 2],
[6, 6]],
[[0, 0],
[0, 0]],
[[2, 2],
[4, 4]],
[[4, 4],
[8, 8]]]
我知
浏览 2提问于2021-01-19得票数 2
假设我有一个张量a和一个张量b import torch
a = torch.tensor([[[ 0.8856, 0.1411, -0.1856, -0.1425],
[-0.0971, 0.1251, 0.1608, -0.1302],
[-0.0901, 0.3215, 0.1763, -0.0412]],
[[ 0.8856, 0.1411, -0.1856, -0.1425],
[-0.0971, 0.1251, 0.1608, -0.1302],
[-0.0901, 0.3215, 0.1763, -0.0412]]]
浏览 8提问于2020-03-26得票数 0
回答已采纳
1回答
lower_bounds = torch.max(set_1[:, :2].unsqueeze(1),
set_2[:, :2].unsqueeze(0)) #(n1, n2, 2)
这个代码片段使用unsqueeze(1)作为一个张量，而unsqeeze(0)用于另一个张量。他们之间有什么区别？
浏览 3提问于2020-06-19得票数 4
如何将一个(1000,1,17)张量转化为(1000,17)张量，这使我陷入困境。到目前为止，我尝试的是reshape和转置，就像我在其他答案中看到的那样，但我无法弄清楚它们是如何工作的。
我正在尝试这个(动作是我最初的三维张量)
actions.transpose(2,0,1).reshape(3,-1)
我需要改变什么才能让事情与3d-2d一起工作？
我怎样才能以同样的方式从2d-3d中变回来？
请提供详细信息，因为一个单线杆对理解并没有多大帮助。
浏览 1提问于2017-02-05得票数 0
回答已采纳
1回答
我有一个(n_samples, n_steps, n_features)形状的张量。我想把它分解成(n_samples, n_components)形状的张量。
我需要一种具有.fit(...)的分解方法，这样我就可以将同样的分解应用到一批新的样本中。我一直在研究和，但也没有关键的.fit(...)和.transform(...)功能。(或者至少我认为他们没有？)
我可以使用主成分分析对一个有代表性的样本进行训练，然后对剩下的样本调用.transform(...)，但是我希望有某种张量分解，可以同时处理所有样本，以便更好地了解每个样本之间的差异。
这就是我所说的“张量”：
实际上，张量只是标
浏览 3提问于2015-10-29得票数 2
假设我有一个二维张量：
x = torch.Tensor([[1, 2], [3, 4]])
是否有一种有效的方法将一个函数应用于第一行1，2，并将第二个不同的函数应用于第二行3、4？(不必是一行，可以跨越任何维度)
现在，我使用以下代码:假设我有我的两个函数，例如f和g，
def f(z):
return 2 * z
def g(z):
return 0.5 * z
然后，为了将它们应用于分隔行，我将这样做：
torch.cat([f(x[0]).unsqueeze(0), g(x[1]).unsqueeze(0)], dim = 0)
它给出了期望的张量[2，4，1.5，2
浏览 2提问于2021-04-24得票数 4
1回答
有没有一种方法可以索引稀疏张量的单元/部分，就像在密集张量的情况下？
# dens_tensor.shape = [10, 10, 10]
dense_cell = dense_tensor[0,0,1]
如果没有，是否有人知道索引稀疏张量的变通方法？
浏览 0提问于2016-12-16得票数 2
5回答
说：
返回一个尺寸为1的新张量，该张量插入到指定位置。.
X= torch.tensor(1，2，3，4) >>> torch.unsqueeze(x，0)张量([ 1，2，3，4]) >>> torch.unsqueeze(x，1)张量([ 1，2，3，4])
浏览 7提问于2019-07-28得票数 100
回答已采纳
1回答
我有以下两个张量
input shape: 16 32 32 3
index shape: 16 32 32 2
output shape: 16 32 32 3
产出的公式是：
output[b, h, w] = input[b, index[b, h, w, 0], index[b, h, w, 1]]
我试着使用torch.gather，但是我无法制定以前的作业。
有人知道如何有效地做到这一点吗？谢谢!
对于上下文:输入包含一批16个精灵，其中每一个都是包含3D点的32x32张量。索引是从位置到三维点的映射。
浏览 3提问于2022-02-01得票数 1
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频活动推荐
腾讯云开发者
