【PyTorch】PyTorch中张量(Tensor)切片操作

PyTorch深度学习总结

第三章 PyTorch中张量(Tensor)切片操作


文章目录


一、前言

上文介绍了PyTorch中改变张量(Tensor)形状的操作,本文主要介绍张量切片操作。


二、获取张量中的元素

1、切片(行、列数)方法

python 复制代码
# 引入库
import torch

# 生成张量
A = torch.arange(9).reshape(3, 3)
print(A)

生成张量A:

tensor(

\[0, 1, 2\], \[3, 4, 5\], \[6, 7, 8\]\]) *** ** * ** *** 现截取A\[0\]: ```python print(A[0]) # 截取最外围括号内第一个括号的内容,第一个维度第一行的内容 ``` **结果为:** tensor(\[0, 1, 2\]) ② ```python # 引入库 import torch # 生成张量 B = torch.arange(9).reshape(1, 3, 3) print(B) ``` **生成张量B:** tensor( \[\[\[0, 1, 2\], \[3, 4, 5\], \[6, 7, 8\]\]\]) *** ** * ** *** 现截取B\[0\]: ```python print(B[0]) # 截取最外围括号内第括号的内容,第一个维度第一行的内容 ``` **结果为:** tensor( \[\[0, 1, 2\], \[3, 4, 5\], \[6, 7, 8\]\]) ③根据上文张量B进行截取 ```python print(B[0, 1:2, 1:2]) ``` **结果为:** tensor(\[\[4\]\]) `注意此时[1:2]指第2个元素开头到第三个元素为至,且不包含第三个元素。(属于包含左边不包含右边,先行后列)` *** ** * ** *** ```python print(B[0, 1:3, 1:2]) ``` **结果为:** tensor(\[\[4\], \[7\]\]) *** ** * ** *** ```python print(B[0, -1, -2]) ``` **结果为:** tensor(7) *** ** * ** *** ```python print(B[0, -3:-1, -2]) # 第一个维度,倒数第三行到倒数二行,倒数第二列的元素 ``` **结果为:** tensor(\[1, 4\]) ④通过比较关系输出元素 ```python print(B[B>=3]) ``` **结果为:** tensor(\[3, 4, 5, 6, 7, 8\]) `注意此处为获取元素组成1维张量`

2、torch.where()函数

python 复制代码
C = -B
D = torch.where(B>4, B, C)
print(D)

输出结果为:

tensor(

\[\[ 0, -1, -2\], \[-3, -4, 5\], \[ 6, 7, 8\]\]\])

3、使元素置零的操作

函数 描述
torch.tril(A, diagonal=0) 将A以第一个元素为对角线的直线,将上三角置零
torch.triu(A, diagonal=0) 将A以第一个元素为对角线的直线,将下三角置零
torch.diag(A) 保留对角线,将其他元素全部置零,输入必须是二维张量

示例:

torch.tril():

python 复制代码
E1 = torch.tril(B, diagonal=0)
print(E1)

输出结果为:

tensor(

\[\[0, 0, 0\], \[3, 4, 0\], \[6, 7, 8\]\]\]) *** ** * ** *** ```python E2 = torch.tril(B, diagonal=1) print(E2) ``` 输出结果为: tensor( \[\[\[0, 1, 0\], \[3, 4, 5\], \[6, 7, 8\]\]\]) **torch.triu():** ```python F = torch.triu(B, diagonal=0) print(F) ``` 输出结果为: tensor( \[\[\[0, 1, 2\], \[0, 4, 5\], \[0, 0, 8\]\]\]) **torch.diag():** ```python H = torch.diag(A) print(H) ``` 输出结果为: tensor(\[0, 4, 8\])


相关推荐
惜.己1 分钟前
使用python的读取xml文件,简单的处理成元组数组
xml·开发语言·python·测试工具
倔强青铜三23 分钟前
苦练Python第23天:元组秘籍与妙用
人工智能·python·面试
Norvyn_71 小时前
LeetCode|Day18|20. 有效的括号|Python刷题笔记
笔记·python·leetcode
AndrewHZ1 小时前
【图像处理基石】如何入门色彩评估?
图像处理·人工智能·深度学习·色彩科学·hvs·色彩评估·颜色工程
TomatoSCI1 小时前
聚类的可视化选择:PCA / t-SNE丨TomatoSCI分析日记
人工智能·机器学习
大咖分享课1 小时前
深度剖析:最新发布的ChatGPT Agent 技术架构与应用场景
人工智能·openai·智能助手·ai代理·chatgpt agent·自主任务执行
chao_7891 小时前
更灵活方便的初始化、清除方法——fixture【pytest】
服务器·自动化测试·python·pytest
lucky_lyovo1 小时前
卷积神经网络--网络性能提升
人工智能·神经网络·cnn
liliangcsdn1 小时前
smolagents - 如何在mac用agents做简单算术题
人工智能·macos·prompt
nju_spy1 小时前
周志华《机器学习导论》第8章 集成学习 Ensemble Learning
人工智能·随机森林·机器学习·集成学习·boosting·bagging·南京大学