Я новичок в torch7 и не могу найти способ получить несмежные индексы тензора на основе другого тензора. В numpy я делаю следующее:
array = np.zeros(5) # array = [0 0 0 0 0]
indices = np.array([0, 2, 4])
array[indices] = np.array([1, 2, 3]) # array = [1 0 2 0 3]
Есть ли способ сделать что-то подобное в torch7? Что-то типа:
array = torch.zeros(5) -- array = [0 0 0 0 0]
indices = torch.Tensor({1, 3, 5})
array[indices] = torch.Tensor({1, 2, 3}) -- array = [1 0 2 0 3]
Спасибо!
Хорошо, посмотрев вокруг, я не смог найти точного решения, но я нашел приблизительное то, что я хотел сделать, я делюсь им, если кто-то еще сочтет это полезным:
array = torch.zeros(5) -- array = [0 0 0 0 0]
indices = torch.LongTensor({1, 3, 5}) -- Is important that this is a LongTensor
array:indexAdd(1, indices, torch.Tensor({1, 2, 3})) -- array = [1 0 2 0 3]
torch.IndexCopy делает именно то, что вы необходимость:
array:indexCopy(1, indices, torch.Tensor({1, 2, 3}))
Если вы являетесь пользователем Python, возможно, вы также можете попробовать https://github.com/imodpasteur/lutorpy. . Например, вы можете обработать свой массив в python, а затем преобразовать его в тензор факела. Если вы хотите преобразовать обратно в массив numpy, преобразование будет мгновенным, потому что оно передает только указатель, а два объекта в python и lua используют одну и ту же память.
array = np.zeros(5) # array = [0 0 0 0 0]
indices = np.array([0, 2, 4])
array[indices] = np.array([1, 2, 3]) # array = [1 0 2 0 3]
require("torch")
# convert numpy array to torch tensor
tensor = torch.fromNumpyArray(array)
# put your torch code here
#convert back to numpy array
array = tensor.asNumpyArray()
# now array is sharing memory with tensor
