推荐一下在一个张量中一次性替换几个值的方法？

Question

有没有一种批量的方法，可以不用for循环，一次性替换pytorch张量中的几个特殊值？

例如

old_values = torch.Tensor([1, 2, 3, 4, 5, 5, 2, 3, 3, 2])
old_new_value = [[2,22], [3,33], [6, 66]]

old_new_value = [[2,22], [3,33], [6, 66]]，也就是说2要用22代替，3要用33代替，6要用66代替。

我可以有一个有效的方法来实现下面的end_result吗？

end_result = torch.Tensor([1, 22, 33, 4, 5, 5, 22, 33, 33, 22])

注意，old_values不是唯一的。另外，old_new_value这里有可能有一对(6，66)在old_values中不存在。old_new_values 包括唯一的行。

Answer 1

如果你的输入张量中没有任何重复的元素，这里有一个直接的方法，使用 遮蔽 和价值分配，使用 基本索引. 我假设输入张量的数据类型是 int. 但是，你可以简单地将这段代码直接改编成其他的代码。dtypes). 下面是一个可复制的说明，并在行文注释中穿插解释。

# input tensors to work with
In [75]: old_values    
Out[75]: tensor([1, 2, 3, 4, 5], dtype=torch.int32)

In [77]: old_new_value      
Out[77]:
tensor([[ 2, 22],
        [ 3, 33]], dtype=torch.int32)

---

# generate a boolean mask using the values that need to be replaced (i.e. 2 & 3)
In [78]: boolean_mask = (old_values == old_new_value[:, :1]).sum(dim=0).bool() 

In [79]: boolean_mask 
Out[79]: tensor([False,  True,  True, False, False])

# assign the new values by basic indexing
In [80]: old_values[boolean_mask] = old_new_value[:, 1:].squeeze() 

# sanity check!
In [81]: old_values 
Out[81]: tensor([ 1, 22, 33,  4,  5], dtype=torch.int32)

关于效率的一个小说明: 在整个过程中，我们从未对数据进行任何复制（即我们只在新的数据上进行操作）。观点 根据我们的需要，通过按摩形状）。) 因此，运行时间会非常快。