哪些公司的网站做的很好,在百度上做公司网站得多少钱,南昌网站开发机构,网页设计与制作实训报告两千字文章目录 pytorch花式索引提取topk的张量问题设定代码实现索引方法gather方法验证 补充知识expand方法gather方法randint pytorch花式索引提取topk的张量
问题设定 或者说#xff0c;有一个(bs, dim, L)的大张量#xff0c;索引的index形状为(bs, X)#xff0c;想得到一个(… 文章目录 pytorch花式索引提取topk的张量问题设定代码实现索引方法gather方法验证 补充知识expand方法gather方法randint pytorch花式索引提取topk的张量
问题设定 或者说有一个(bs, dim, L)的大张量索引的index形状为(bs, X)想得到一个(bs, dim, X)的reduced向量。我们在进行topk操作以减少计算量的时候经常碰到这种情况。 给出如下两种实现方法分别使用花式索引参考informer的代码以及pytorch的gather方法
代码实现
索引方法
参考https://blog.csdn.net/qq_36560894/article/details/122005808
feature torch.rand(2,16,4*4)
indices torch.randint(0,16, (2, 3))
indices
indices_expand indices.unsqueeze(1).expand(-1, dim, -1).to(torch.long) # (bs, dim, H*W)
indices_expand.shape
indices_expand[:,1,:] # 结果和indices一致说明在第二个channel上每个样本的索引是一样的
bs,dimfeature.shape[:2]
bs,dim
feature_reduce feature.view(bs, dim, -1)[torch.arange(bs)[:, None, None], torch.arange(dim)[None,:,None], indices_expand]
feature_reduce.shapegather方法
reduce_feature torch.gather(feature, 2, indices_expand)验证
两种方法得到的结果完全相同
补充知识
expand方法
在 PyTorch 中expand() 方法用于扩展张量的大小。它会在不实际复制数据的情况下重复张量的元素以填充新的形状。这个方法可以用于广播操作以便在执行一些需要相同形状的张量之间的数学运算时使它们具有相同的形状。
下面是使用 expand() 方法的基本用法
import torch# 创建一个原始张量
x torch.tensor([[1, 2, 3],[4, 5, 6]])# 使用 expand 扩展张量的大小
expanded_x x.expand(2, 3, 4) # 扩展成维度为(2, 3, 4)的张量print(expanded_x)在上面的例子中我们首先创建了一个形状为 (2, 3) 的原始张量 x。然后我们使用 expand() 方法将其扩展成一个维度为 (2, 3, 4) 的新张量 expanded_x该张量的形状是在原始张量形状的基础上每个维度都扩展了一倍。
需要注意的是expand() 方法只能用于增加张量的大小不能减小。另外扩展后的张量与原始张量共享底层数据因此在原始张量上进行的任何修改都会反映在扩展后的张量上反之亦然。
gather方法
在 PyTorch 中gather() 方法用于从输入张量中按照指定索引提取元素。这个方法通常用于根据索引收集特定的元素例如根据类别索引从分类得分张量中获取对应类别的得分。
下面是使用 gather() 方法的基本用法
import torch# 创建一个输入张量
input_tensor torch.tensor([[1, 2],[3, 4],[5, 6]])# 创建一个索引张量
indices torch.tensor([[0, 0],[1, 0]])# 使用 gather 方法根据索引收集元素
output_tensor torch.gather(input_tensor, dim1, indexindices)print(output_tensor)在上面的例子中我们首先创建了一个形状为 (3, 2) 的输入张量 input_tensor以及一个形状为 (2, 2) 的索引张量 indices。然后我们使用 gather() 方法从输入张量 input_tensor 中按照索引张量 indices 收集元素。
在 gather() 方法中参数 dim 指定了在哪个维度上进行收集操作而 index 参数指定了收集元素所使用的索引张量。
需要注意的是索引张量 indices 的形状必须与输出张量的形状一致或者是可以广播成与输出张量形状一致的形状。
randint
torch.randint() 是 PyTorch 中用于生成随机整数张量的函数。它可以生成一个张量其中的元素是在指定范围内随机抽样的整数。
下面是 torch.randint() 的基本用法示例
import torch# 生成一个形状为 (3, 3) 的随机整数张量范围是 [0, 10)
random_integers torch.randint(low0, high10, size(3, 3))print(random_integers)在上面的示例中我们使用了 torch.randint() 函数来生成一个形状为 (3, 3) 的随机整数张量其中的元素取值范围在闭区间 [low, high) 内即从 0 到 9。
torch.randint() 函数的主要参数包括
low生成的随机整数的最小值包含。high生成的随机整数的最大值不包含。size生成的张量的形状。
你也可以不指定 low 参数默认情况下它为 0。此外还可以使用其他参数来控制生成的随机整数张量的设备类型、数据类型等。
