我有以下pytorch张量long_format
:
tensor([[ 1., 1.],
[ 1., 2.],
[ 1., 3.],
[ 1., 4.],
[ 0., 5.],
[ 0., 6.],
[ 0., 7.],
[ 1., 8.],
[ 0., 9.],
[ 0., 10.]])
我想将第一列分组,并将第二列存储为张量。不能保证每个分组的结果大小相同。
[tensor([ 1., 2., 3., 4., 8.]),
tensor([ 5., 6., 7., 9., 10.])]
是否有很好的方法来做这个使用纯Pytorch操作符?出于可追溯性的考虑,我希望避免使用for循环。
我尝试使用for循环和空张量的空列表,但这会导致不正确的跟踪(不同的输入值给出相同的结果)
n_groups = 2
inverted = [torch.empty([0]) for _ in range(n_groups)]
for index, value in long_format:
value = value.unsqueeze(dim=0)
index = index.int()
if type(inverted[index]) != torch.Tensor:
inverted[index] = value
else:
inverted[index] = torch.cat((inverted[index], value))
您可以使用以下代码:
import torch
x = torch.tensor([[ 1., 1.],
[ 1., 2.],
[ 1., 3.],
[ 1., 4.],
[ 0., 5.],
[ 0., 6.],
[ 0., 7.],
[ 1., 8.],
[ 0., 9.],
[ 0., 10.]])
result = [x[x[:,0]==i][:,1] for i in x[:,0].unique()]
[tensor([ 5., 6., 7., 9., 10.]), tensor([1., 2., 3., 4., 8.])]