宜配屋

函数形式：

index_select(
 dim,
 index
)

参数：

dim：表示从第几维挑选数据，类型为int值；
index：表示从第一个参数维度中的哪个位置挑选数据，类型为torch.Tensor类的实例；

刚开始学习pytorch，遇到了index_select(),一开始不太明白几个参数的意思，后来查了一下资料，算是明白了一点。

a = torch.linspace(1, 12, steps=12).view(3, 4)
print(a)
b = torch.index_select(a, 0, torch.tensor([0, 2]))
print(b)
print(a.index_select(0, torch.tensor([0, 2])))
c = torch.index_select(a, 1, torch.tensor([1, 3]))
print(c)

先定义了一个tensor，这里用到了linspace和view方法。

第一个参数是索引的对象，第二个参数0表示按行索引，1表示按列进行索引，第三个参数是一个tensor，就是索引的序号，比如b里面tensor[0， 2]表示第0行和第2行，c里面tensor[1, 3]表示第1列和第3列。

输出结果如下：

tensor([[ 1., 2., 3., 4.],
        [ 5., 6., 7., 8.],
        [ 9., 10., 11., 12.]])
tensor([[ 1., 2., 3., 4.],
        [ 9., 10., 11., 12.]])
tensor([[ 1., 2., 3., 4.],
        [ 9., 10., 11., 12.]])
tensor([[ 2., 4.],
        [ 6., 8.],
        [10., 12.]])

功能：从张量的某个维度的指定位置选取数据。

代码实例：

t = torch.arange(24).reshape(2, 3, 4) # 初始化一个tensor，从0到23，形状为（2,3,4）
print("t--->", t)
 
index = torch.tensor([1, 2]) # 要选取数据的位置
print("index--->", index)
 
data1 = t.index_select(1, index) # 第一个参数:从第1维挑选， 第二个参数:从该维中挑选的位置
print("data1--->", data1)
 
data2 = t.index_select(2, index) # 第一个参数:从第2维挑选， 第二个参数:从该维中挑选的位置
print("data2--->", data2)

运行结果：

t---> tensor([[[ 0, 1, 2, 3],
               [ 4, 5, 6, 7],
               [ 8, 9, 10, 11]],

              [[12, 13, 14, 15],
               [16, 17, 18, 19],
               [20, 21, 22, 23]]])

index---> tensor([1, 2])

data1---> tensor([[[ 4, 5, 6, 7],
                   [ 8, 9, 10, 11]],

                  [[16, 17, 18, 19],
                   [20, 21, 22, 23]]])

data2---> tensor([[[ 1, 2],
                   [ 5, 6],
                   [ 9, 10]],

                  [[13, 14],
                   [17, 18],
                   [21, 22]]])