var = [[0, 1, -4, 8],
[2, -3, 2, 1],
[5, -8, 7, 1]]
var = torch.Tensor(var)
在这里,var
是一个 3 x 4 (2d) 张量。如何交换第一行和第二行以获得以下 2D 张量?
2, -3, 2, 1
0, 1, -4, 8
5, -8, 7, 1
另一个答案不起作用,因为某些维度在复制之前会被覆盖:
>>> var = [[0, 1, -4, 8],
[2, -3, 2, 1],
[5, -8, 7, 1]]
>>> x = torch.tensor(var)
>>> index = torch.LongTensor([1, 0, 2])
>>> x[index] = x
>>> x
tensor([[ 0, 1, -4, 8],
[ 0, 1, -4, 8],
[ 5, -8, 7, 1]])
对我来说,创建一个新的张量(具有单独的底层存储)来保存结果就足够了:
>>> x = torch.tensor(var)
>>> index = torch.LongTensor([1, 0, 2])
>>> y = torch.zeros_like(x)
>>> y[index] = x
或者,您可以使用index_copy_
(按照 discuss.pytorch.org 中的此解释),尽管我目前没有看到这两种方式的优势。
正如其他答案所建议的那样,您的排列索引本身应该是张量,但这不是必需的。您可以像这样交换第 1 行和第 2 行:
>>> var
tensor([[ 0, 1, -4, 8],
[ 2, -3, 2, 1],
[ 5, -8, 7, 1]])
>>> var[[0, 1]] = var[[1, 0]]
>>> var
tensor([[ 2, -3, 2, 1],
[ 0, 1, -4, 8],
[ 5, -8, 7, 1]])
var
可以是 NumPy 数组或 PyTorch 张量。
您可以使用index_select
来实现此目的:
>>> idx = torch.LongTensor([1,0,2])
>>> var.index_select(0, idx)
tensor([[ 2, -3, 2, 1],
[ 0, 1, -4, 8],
[ 5, -8, 7, 1]])
生成您想要的排列索引:
index = torch.LongTensor([1,0,2])
应用排列:
var[index] = var