关于pytorch的tensor的高级索引的一个问题

pytorch中的tensor的高级索引，基本上是与numpy一致的，但是当使用numpy数组，来索引tensor的时候，就会遇到一些坑：
假设idx索引为：
```
idx
array([[0],
       [1],
       [2]])
```
a，b分别为形状和值都相同的tensor和ndarray：
```
b =np.array([[1,2,3,4],[5,6,7,8],[9,10,11,12]])
a =torch.tensor(b)
```
idxt为与idx值相同的tensor：
```
idxt =torch.tensor(idx)
```
按道理来说，`a[idx]` 和`b[idx]`应该是等效的，至少输出的值是一样的，但是：
```
b[idx]
array([[[ 1,  2,  3,  4]],
       [[ 5,  6,  7,  8]],
       [[ 9, 10, 11, 12]]]) #维度增加了一维

a[idx]
Traceback (most recent call last):
  File "<input>", line 1, in <module>
IndexError: too many indices for tensor of dimension 2

```
`a[idx]`报错，`第二个维度上索引过多？？？`
但是`a[idxt]`就不会报错，得到的结果值和形状与`b[idx]`一致，只是一个是ndarray，一个是tensor而已，为什么会这样？

###个人理解：
ndarray是数组，那么作为tensor的索引的时候，就是当作数，一个一的来索引tensor的，因此当idx为数组
```
array([[0],
       [1],
       [2]])
``` 
时，`a[idx]`实际上相当于，`a[0,1,2]`或者`a[0][1][2]`,如果是写作`a[0][1][2]`或者`a[0,1,2]`这种方式，那么与数组则完全一样了。但是，如果索引idx与被索引的是一样的类型，也就是说，a为tensor，idx也为tensor的话，那么就和numpy的数组高级索引是完全一致的,也就是说，idx为
```
tensor([[0],
        [1],
        [2]])
```
时，`a[idx]`就相当于`tensor([a[0],a[1],a[2]])`
```
tensor([[ 1,  2,  3,  4],
        [ 5,  6,  7,  8],
        [ 9, 10, 11, 12]])
```

###总结
写代码的时候，一定不要混用啊！！！
tensor就是tensor，numpy就是numpy，保持一致的风格！！！

lee-romantic 's Blog

导航

最近发表

友情链接