【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

PyTorch深度学习总结
一、前言
二、获取张量中的元素

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

①
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 复制代码
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 复制代码
# 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 复制代码
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 复制代码
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 复制代码
print(B[0, 1:3, 1:2])
结果为：

tensor( $\[4$ , $7$ ])
python 复制代码
print(B[0, -1, -2])
结果为：

tensor(7)
python 复制代码
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 复制代码
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 复制代码
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 复制代码
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 复制代码
H = torch.diag(A)
print(H)
输出结果为：

tensor( $0, 4, 8$ )