PyTorch中index_select和张量[sequence]之间是否有任何差异？

Question

每个人。我是PyTorch的新手。现在，我正在学习张量的索引。我注意到我们可以通过tensor.index_select()和tensor[sequence]来索引张量。

In [1]: x = torch.randn(3, 4)

In [2]: indices = torch.tensor([0, 2])

In [3]: x.index_select(0, indices)
Out[3]:
tensor([[ 0.2760, -0.9543, -1.0499,  0.7828],
        [ 1.3514, -1.1289,  0.5052, -0.0547]])

In [4]: x[[0,2]]
Out[4]:
tensor([[ 0.2760, -0.9543, -1.0499,  0.7828],
        [ 1.3514, -1.1289,  0.5052, -0.0547]])

我对这两种方法感到困惑，并寻找了一些文档。但是我失败了。谁能告诉我它们之间有什么区别，这些区别是什么？

Answer 1

这看起来像是旧的（较慢的）索引的残余。

请参见this pull request。

我也认为您以前无法对张量执行二进制逻辑索引。

a = torch.randn((1,3,4,4))
dim = 2
indices = [0,1]

%timeit a.index_select(dim, torch.tensor(indices))

12.7 µs ± 1.28 µs per loop (mean ± std. dev. of 7 runs, 100000 loops each)

%timeit a[:,:,indices,:]

16.7 µs ± 640 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)