Pytorch：使用索引列表访问子张器。

Question

我有一对张力器 S 和 T 的尺寸 (s1,...,sm) 和 (t1,...,tn) 与 si < ti. 我想在每一个维度中指定一个索引列表。T 以 "嵌入" S 在 T. 如果 I1 是一系列的 s1 指数中 (0,1,...,t1) 同样 I2 以至于 In我想做这样的事情 T.select(I1,...,In)=S这样一来 T 的条目等于 S 在指数上 (I1,...,In).例如

`S=
[[1,1],
[1,1]]

T=
[[0,0,0],
[0,0,0],
[0,0,0]]

T.select([0,2],[0,2])=S

T=
[[1,0,1],
[0,0,0],
[1,0,1]]`

Answer 1

如果你能灵活地使用NumPy 只针对指数部分那么，这里有一个方法，通过使用以下方法构建一个开放的网格 numpy.ix_() 并使用这个网格来填充张量的值。S. 如果不能接受，那么你可以使用 torch.meshgrid()

下面是两种方法的说明，并在注释中穿插说明。

# input tensors to work with
In [174]: T 
Out[174]: 
tensor([[0, 0, 0],
        [0, 0, 0],
        [0, 0, 0]])

# I'm using unique tensor just for clarity; But any tensor should work.
In [175]: S 
Out[175]: 
tensor([[10, 11],
        [12, 13]])

# indices where we want the values from `S` to be filled in, along both dimensions
In [176]: idxs = [[0,2], [0,2]] 

---

现在我们将利用 np.ix_() 或 torch.meshgrid() 通过传递指数来生成一个开放的网格。

# mesh using `np.ix_`
In [177]: mesh = np.ix_(*idxs)

# as an alternative, we can use `torch.meshgrid()` 
In [191]: mesh = torch.meshgrid([torch.tensor(lst) for lst in idxs])

# replace the values from tensor `S` using basic indexing
In [178]: T[mesh] = S 

# sanity check!
In [179]: T 
Out[179]:
tensor([[10,  0, 11],
        [ 0,  0,  0],
        [12,  0, 13]])