觉得有帮助请点赞关注收藏~~~

Tensor支持基本的索引和切片操作,不仅如此,它还支持ndarray中的高级索引包括整数索引和布尔索引操作。

运行实例如下

 

 测试代码如下 代码中给出了对应注释

索引和切片与numpy中的类似,值得一提的是torch.where(condition,x,y)是用于判断condition的条件是否满足,当某个元素满足时,则返回对应矩阵x相同位置的元素,否则返回矩阵y的元素,有点类似于三目运算符 

import  torch
import  numpy as np
#基本索引
a=torch.arange(9).view(3,3)
print(a[2,2])
#切片
print(a[1:,:-1])
#带步长的切片
print(a[::2])
#整数索引
rows=[0,1]
cols=[2,2]
print(a[rows,cols])
#布尔索引
index=a>4
print(index)
print(a[index])
#返回非零值的索引矩阵
index=torch.nonzero(a>=8)
print(index)
a=torch.randint(0,2,(3,3))
print(a)
index=torch.nonzero(a)
print(index)
#where
x=torch.randn(3,2)
y=torch.ones(3,2)
print(x)
print(torch.where(x>0,x,y))




Logo

腾讯云面向开发者汇聚海量精品云计算使用和开发经验,营造开放的云计算技术生态圈。

更多推荐