淺談Pytorch中的torch.gather函數的含義

今天小編就爲大家分享一篇淺談Pytorch中的torch.gather函數的含義，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧

pytorch中的gather函數

pytorch比tensorflow更加編程友好，所以準備用pytorch試着做最近要做的一些實驗。

立個flag開始學習pytorch，新開一個分類整理學習pytorch中的一些踩到的泥坑。

今天剛開始接觸，讀了一下documentation，寫一個一開始每太搞懂的函數gather

b = torch.Tensor([[1,2,3],[4,5,6]])
print b
index_1 = torch.LongTensor([[0,1],[2,0]])
index_2 = torch.LongTensor([[0,1,1],[0,0,0]])
print torch.gather(b, dim=1, index=index_1)
print torch.gather(b, dim=0, index=index_2)

觀察它的輸出結果：

 1 2 3
 4 5 6
[torch.FloatTensor of size 2x3]


 1 2
 6 4
[torch.FloatTensor of size 2x2]


 1 5 6
 1 2 3
[torch.FloatTensor of size 2x3]

這裏是官方文檔的解釋

torch.gather(input, dim, index, out=None) → Tensor

 Gathers values along an axis specified by dim.

 For a 3-D tensor the output is specified by:

 out[i][j][k] = input[index[i][j][k]][j][k] # dim=0
 out[i][j][k] = input[i][index[i][j][k]][k] # dim=1
 out[i][j][k] = input[i][j][index[i][j][k]] # dim=2

 Parameters: 

  input (Tensor) – The source tensor
  dim (int) – The axis along which to index
  index (LongTensor) – The indices of elements to gather
  out (Tensor, optional) – Destination tensor

 Example:

 >>> t = torch.Tensor([[1,2],[3,4]])
 >>> torch.gather(t, 1, torch.LongTensor([[0,0],[1,0]]))
  1 1
  4 3
 [torch.FloatTensor of size 2x2]

可以看出，gather的作用是這樣的，index實際上是索引，具體是行還是列的索引要看前面dim 的指定，比如對於我們的栗子，【1,2,3;4,5,6,】，指定dim=1，也就是橫向，那麼索引就是列號。index的大小就是輸出的大小，所以比如index是【1,0;0,0】，那麼看index第一行，1列指的是2， 0列指的是1，同理，第二行爲4，4 。這樣就輸入爲【2,1;4,4】，參考這樣的解釋看上面的輸出結果，即可理解gather的含義。

gather在one-hot爲輸出的多分類問題中，可以把最大值座標作爲index傳進去，然後提取到每一行的正確預測結果，這也是gather可能的一個作用。

以上這篇淺談Pytorch中的torch.gather函數的含義就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持神馬文庫。