Поэтапная индексация элементов в PyTorch для переполнения стека

Question

Поэтапная индексация элементов в PyTorch для переполнения стека

Я использую Интерфейс C ++ для PyTorch и я борюсь с относительно основной проблемой индексации.

у меня есть 8 от 6 Тензор, такой как приведенный ниже:

[ Variable[CUDAFloatType]{8,6} ]
0           1           2           3           4           5
0       1.7107e-14  4.0448e-17  4.9708e-06  1.1664e-08  9.9999e-01  2.1857e-20
1       1.8288e-14  5.9356e-17  5.3042e-06  1.2369e-08  9.9999e-01  2.4799e-20
2       2.6828e-04  9.0390e-18  1.7517e-02  1.0529e-03  9.8116e-01  6.7854e-26
3       5.7521e-10  3.1037e-11  1.5021e-03  1.2304e-06  9.9850e-01  1.4888e-17
4       1.7811e-13  1.8383e-15  1.6733e-05  3.8466e-08  9.9998e-01  5.2815e-20
5       9.6191e-06  2.6217e-23  3.1345e-02  2.3024e-04  9.6842e-01  2.9435e-34
6       2.2653e-04  8.4642e-18  1.6085e-02  9.7405e-04  9.8271e-01  6.3059e-26
7       3.8951e-14  2.9903e-16  8.3518e-06  1.7974e-08  9.9999e-01  3.6993e-20

У меня есть еще один Тензор с просто 8 элементы в нем, такие как:

[ Variable[CUDALongType]{8} ]
0
3
4
4
4
4
4
4

Я хотел бы проиндексировать строки моего первого тензора, используя второй для получения:

        0
0       1.7107e-14
1       1.2369e-08
2       9.8116e-01
3       9.9850e-01
4       9.9998e-01
5       9.6842e-01
6       9.8271e-01
7       9.9999e-01

Я пробовал несколько разных подходов, включая index_select но, кажется, производит вывод, который имеет те же размеры, что и вход (8x6).

В Python я думаю, что я мог бы индексировать с помощью встроенной индексации Python, как обсуждалось здесь: https://github.com/pytorch/pytorch/issues/1080

К сожалению, в C ++ я могу индексировать Tensor только с помощью скаляра (нульмерного Tensor), поэтому я не думаю, что этот подход работает для меня здесь.

Как мне достичь желаемого результата, не прибегая к петлям?

2

c++pytorch

Решение

Другие решения

Других решений пока нет …

Источник

Accepted Answer

Оказывается, вы можете сделать это несколькими разными способами. Один с gather и один с index, От Обсуждение PyTorch где я задал тот же вопрос:

С помощью torch::gather

auto x = torch::randn({8, 6});
int64_t idx_data[8] = { 0, 3, 4, 4, 4, 4, 4, 4 };
auto idx = x.type().toScalarType(torch::kLong).tensorFromBlob(idx_data, 8);
auto result = x.gather(1, idx.unsqueeze(1));

Использование C ++ torch::index

auto x = torch::randn({8, 6});
int64_t idx_data[8] = { 0, 3, 4, 4, 4, 4, 4, 4 };
auto idx = x.type().toScalarType(torch::kLong).tensorFromBlob(idx_data, 8);
auto rows = torch::arange(0, x.size(0), torch::kLong);
auto result = x.index({rows, idx});

2