PyTorch张量是一个维度上每个张量的topk

Question

我有以下张量

inp = tensor([[[ 0.0000e+00,  5.7100e+02, -6.9846e+00],
[ 0.0000e+00,  4.4070e+03, -7.1008e+00],
[ 0.0000e+00,  3.0300e+02, -7.2226e+00],
[ 0.0000e+00,  6.8000e+01, -7.2777e+00],
[ 1.0000e+00,  5.7100e+02, -6.9846e+00],
[ 1.0000e+00,  4.4070e+03, -7.1008e+00],
[ 1.0000e+00,  3.0300e+02, -7.2226e+00],
[ 1.0000e+00,  6.8000e+01, -7.2777e+00]],
[[ 0.0000e+00,  2.1610e+03, -7.0754e+00],
[ 0.0000e+00,  6.8000e+01, -7.2259e+00],
[ 0.0000e+00,  1.0620e+03, -7.2920e+00],
[ 0.0000e+00,  2.9330e+03, -7.3009e+00],
[ 1.0000e+00,  2.1610e+03, -7.0754e+00],
[ 1.0000e+00,  6.8000e+01, -7.2259e+00],
[ 1.0000e+00,  1.0620e+03, -7.2920e+00],
[ 1.0000e+00,  2.9330e+03, -7.3009e+00]],
[[ 0.0000e+00,  4.4070e+03, -7.1947e+00],
[ 0.0000e+00,  3.5600e+02, -7.2958e+00],
[ 0.0000e+00,  3.0300e+02, -7.3232e+00],
[ 0.0000e+00,  1.2910e+03, -7.3615e+00],
[ 1.0000e+00,  4.4070e+03, -7.1947e+00],
[ 1.0000e+00,  3.5600e+02, -7.2958e+00],
[ 1.0000e+00,  3.0300e+02, -7.3232e+00],
[ 1.0000e+00,  1.2910e+03, -7.3615e+00]]])

形状

torch.Size([3, 8, 3])

我想找到dim1上的topk(k=4(个元素，其中要排序的值是dim2(负值(。得到的张量形状应该是：

torch.Size([3, 4, 3])

我知道如何对单个张量进行topk，但如何同时对多个批次进行topk？

Answer 1

我是这样做的：

val, ind = inp[:, :, 2].squeeze().topk(k=4, dim=1, sorted=True)
new_ind = ind.unsqueeze(-1).repeat(1,1,3)
result = inp.gather(1, new_ind)

我不知道这是否是最好的方法，但它奏效了。

Answer 2

实现这一点的一种方法是将花哨的索引和广播结合起来，如下所示：

我以形状为(3, 4, 3)且k为2的随机张量x为例。

>>> import torch
>>> x = torch.rand(3, 4, 3)
>>> x
tensor([[[0.0256, 0.7366, 0.2528],
[0.5596, 0.9450, 0.5795],
[0.8265, 0.5469, 0.8304],
[0.4223, 0.5206, 0.2898]],
[[0.2159, 0.0369, 0.6869],
[0.4556, 0.5804, 0.3169],
[0.8194, 0.5240, 0.0055],
[0.8357, 0.4162, 0.3740]],
[[0.3849, 0.0223, 0.9951],
[0.2872, 0.5952, 0.6570],
[0.1433, 0.8450, 0.6557],
[0.0270, 0.9176, 0.3904]]])

现在，沿着所需的维度对张量进行排序(最后一个(，并获得索引：

>>> _, idx = torch.sort(x[:, :, -1])
>>> k = 2
>>> idx = idx[:, :k]
# idx is = 
tensor([[0, 3],
[2, 1],
[3, 2]])

现在生成三对索引(i, j, k)来对原始张量进行切片，如下所示：

>>> i = torch.arange(x.shape[0]).reshape(x.shape[0], 1, 1)
>>> j = idx.reshape(x.shape[0], -1, 1)
>>> k = torch.arange(x.shape[2]).reshape(1, 1, x.shape[2])

请注意，一旦通过(i, j, k)对任何内容进行索引，它们就会展开并采用(x.shape[0], k, x.shape[2])的形状，这是此处所需的输出形状。现在只通过i、j和k索引x：

>>> x[i, j, k]
tensor([[[0.0256, 0.7366, 0.2528],
[0.4223, 0.5206, 0.2898]],
[[0.8194, 0.5240, 0.0055],
[0.4556, 0.5804, 0.3169]],
[[0.0270, 0.9176, 0.3904],
[0.1433, 0.8450, 0.6557]]])

本质上，我遵循的一般方法是通过索引数组创建张量的相应访问模式，然后使用这些数组作为索引直接切片张量。

实际上，我这样做是为了升序排序，所以这里我得到了前k个最小元素。一个简单的解决方法是使用torch.sort(x[:, :, -1], descending = True)。