pytorch中的gather函數

pytorch比tensorflow更加編程友好，所以準備用pytorch試著做最近要做的一些實驗。

立個flag開始學習pytorch，新開一個分類整理學習pytorch中的一些踩到的泥坑。

今天剛開始接觸，讀了一下documentation，寫一個一開始每太搞懂的函數gather

b = torch.Tensor([[1,2,3],[4,5,6]])

print b

index_1 = torch.LongTensor([[0,1],[2,0]])

index_2 = torch.LongTensor([[0,1,1],[0,0,0]])

print torch.gather(b, dim=1, index=index_1)

print torch.gather(b, dim=0, index=index_2)

觀察它的輸出結果：

1 2 3

4 5 6

[torch.FloatTensor of size 2x3]

1 2

6 4

[torch.FloatTensor of size 2x2]

1 5 6

1 2 3

[torch.FloatTensor of size 2x3]

這里是官方文檔的解釋

torch.gather(input, dim, index, out=None) → Tensor

Gathers values along an axis specified by dim.

For a 3-D tensor the output is specified by:

out[i][j][k] = input[index[i][j][k]][j][k] # dim=0

out[i][j][k] = input[i][index[i][j][k]][k] # dim=1

out[i][j][k] = input[i][j][index[i][j][k]] # dim=2

Parameters:

input (Tensor) ? The source tensor

dim (int) ? The axis along which to index

index (LongTensor) ? The indices of elements to gather

out (Tensor, optional) ? Destination tensor

Example:

>>> t = torch.Tensor([[1,2],[3,4]])

>>> torch.gather(t, 1, torch.LongTensor([[0,0],[1,0]]))

1 1

4 3

[torch.FloatTensor of size 2x2]

可以看出，gather的作用是這樣的，index實際上是索引，具體是行還是列的索引要看前面dim 的指定，比如對于我們的栗子，【1,2,3;4,5,6,】，指定dim=1，也就是橫向，那么索引就是列號。index的大小就是輸出的大小，所以比如index是【1,0;0,0】，那么看index第一行，1列指的是2， 0列指的是1，同理，第二行為4，4 。這樣就輸入為【2,1;4,4】，參考這樣的解釋看上面的輸出結果，即可理解gather的含義。

gather在one-hot為輸出的多分類問題中，可以把最大值坐標作為index傳進去，然后提取到每一行的正確預測結果，這也是gather可能的一個作用。

以上這篇淺談Pytorch中的torch.gather函數的含義就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持腳本之家。

總結

以上是生活随笔為你收集整理的gather torch_浅谈Pytorch中的torch.gather函数的含义的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。