PyTorch torch.index_reduce Funktion

Pytorch torch 参考手册PyTorch torch Referenzhandbuch

torch.index_reduceist eine Funktion in PyTorch, die verwendet wird, um die Werte eines Quelltensors auf angegebene Indexpositionen auf eine angegebene Weise zu aggregieren. Sie, entlang der angegebenen Dimensiondim, beiindexangegebene Indexpositionen, auf die angegebene Weise aggregierensourcedie Werte von.

Funktionsdefinition

torch.index_reduce(input, dim, index, source, reduce='mean', *, include_self=True)

Parameters:

  • input(Tensor): Eingabe-Tensor.
  • dim(int): Die Dimension des Index.
  • index(Tensor): Ein 1D-Integer-Tensor, der die Positionen angibt, zu denen aggregiert werden soll.
  • source(Tensor): Der Quell-Tensor, die zu aggregierenden Werte.
  • reduce(str): Die Aggregationsmethode, optionale Werte sind 'mean', 'prod', 'amax', 'amin'. Standard ist 'mean'.
  • include_self(bool, optional): Ob die ursprünglichen Werte an den Indexpositionen selbst in die Aggregation einbezogen werden. Standard ist True.

Rückgabewert:

  • torch.Tensor: Gibt den aggregierten Tensor zurück.

Anwendungsbeispiele

Beispiel

import torch

# Eingabe-Tensor erstellen
input = torch.randn(3, 3)

# Indizes und Quelle erstellen
index = torch.tensor([0, 0, 0])
source = torch.tensor([1.0, 2.0, 3.0])

# Mittelwert-Aggregation verwenden
output = torch.index_reduce(input, dim=0, index=index, source=source, reduce='mean')

print("Eingabe:")
print(input)
print("nIndex:", index)
print("Quelle:", source)
print("nmean aggregation result:")
print(output)

Das Ausgabeergebnis ist:

输入:
tensor([[ 0.3456, -0.1234,  0.5678],
        [-0.5678,  0.1234, -0.6789],
        [ 0.7890, -0.3456,  0.1234]])

索引: tensor([0, 0, 0])
源: tensor([1., 2., 3.])

mean 聚合结果:
tensor([[ 2.5237,  0.2931,  0.3374],
        [-0.5678,  0.1234, -0.6789],
        [ 0.7890, -0.3456,  0.1234]])

Beispiel

import torch

# Verschiedene Aggregationsmethoden testen
input = torch.ones(3)
index = torch.tensor([0, 0, 0])
source = torch.tensor([2.0, 4.0, 6.0])

# prod-Aggregation
output_prod = torch.index_reduce(input, 0, index, source, reduce='prod')
print("prod-Aggregation:", output_prod)

# amax-Aggregation
output_max = torch.index_reduce(input, 0, index, source, reduce='amax')
print("amax-Aggregation:", output_max)

# amin-Aggregation
output_min = torch.index_reduce(input, 0, index, source, reduce='amin')
print("amin-Aggregation:", output_min)

Das Ausgabeergebnis ist:

prod 聚合: tensor([48.,  1.,  1.])
amax 聚合: tensor([7., 1., 1.])
amin 聚合: tensor([3., 1., 1.])

Beispiel

import torch

# include_self-Parameter
input = torch.tensor([1.0, 10.0, 100.0])
index = torch.tensor([0, 0])
source = torch.tensor([5.0, 5.0])

# Eigene Werte einbeziehen (Standard)
output1 = torch.index_reduce(input, 0, index, source, reduce='mean', include_self=True)
print("include_self=True:", output1)

# Eigene Werte ausschließen
output2 = torch.index_reduce(input, 0, index, source, reduce='mean', include_self=False)
print("include_self=False:", output2)

Das Ausgabeergebnis ist:

include_self=True: tensor([ 3.6667, 10.0000, 100.0000])
include_self=False: tensor([ 5., 10., 100.])

Beispiel

import torch

# 2D-Tensor-Anwendung
input = torch.zeros(3, 4)
index = torch.tensor([0, 2, 2])
source = torch.randn(3, 4)

# mean-Aggregation
output = torch.index_reduce(input, dim=0, index=index, source=source, reduce='mean')

print("Eingabeform:", input.shape)
print("Index:", index)
print("Quellform:", source.shape)
print("Ergebnisform:", output.shape)
print("nErgebnis:")
print(output)

Hinweis:torch.index_reduceEs ändert den ursprünglichen Eingabe-Tensor nicht, sondern gibt einen neuen Tensor zurück. Mehrere Indizes können auf dieselbe Position zeigen, und die Werte werden gemäß der angegebenen Aggregationsmethode aggregiert.include_self=FalseEs ist in einigen Szenarien nützlich, da es die ursprünglichen Werte ausschließen und nur neu hinzugefügte Werte aggregieren kann.

Pytorch torch 参考手册PyTorch torch Referenzhandbuch

Andere Erweiterungen