Función torch.index_copy de PyTorch

Pytorch torch 参考手册Manual de referencia de Pytorch torch

torch.index_copyEs la función en PyTorch utilizada para copiar el tensor fuente a las posiciones de índice especificadas. A lo largo de la dimensión especificadadim, enindexlas posiciones de índice especificadas copiasourceel valor de.

ytorch.index_addLa diferencia es que,index_copyes sobrescritura en lugar de acumulación.

Definición de la función

torch.index_copy(input, dim, index, source)

Parámetros:

  • input(Tensor): Tensor de entrada.
  • dim(int): Dimensión del índice.
  • index(Tensor): Tensor unidimensional de enteros que especifica las posiciones a las que se copia.
  • source(Tensor): Tensor fuente, los valores a copiar.

Valor de retorno:

  • torch.Tensor: Devuelve el tensor modificado.

Ejemplo de uso

Ejemplo

import torch

# Crear el tensor de entrada
input = torch.randn(4, 5)

# Crear el índice y la fuente
index = torch.tensor([0, 2, 3])
source = torch.randn(3, 5)

# Copiar a lo largo de dim=0
output = torch.index_copy(input, dim=0, index=index, source=source)

print(Entrada:)
print(input)
print(nFuente:)
print(source)
print(nResultado tras copiar a las posiciones [0, 2, 3]:)
print(output)

El resultado de salida es:

输入:
tensor([[ 0.3456, -0.1234,  0.5678, -0.2345,  0.8901],
        [-0.5678,  0.1234, -0.6789,  0.2345, -0.1234],
        [ 0.7890, -0.3456,  0.1234, -0.5678,  0.3456],
        [-0.1234,  0.4567, -0.8901,  0.6789, -0.5678]])

源:
tensor([[-1.2345,  0.5678, -1.2345,  0.5678, -1.2345],
        [ 1.5678, -0.6789,  1.5678, -0.6789,  1.5678],
        [-0.8901,  1.2345, -0.8901,  1.2345, -0.8901]])

复制到位置 [0, 2, 3] 后的结果:
tensor([[-1.2345,  0.5678, -1.2345,  0.5678, -1.2345],
        [-0.5678,  0.1234, -0.6789,  0.2345, -0.1234],
        [ 1.5678, -0.6789,  1.5678, -0.6789,  1.5678],
        [-0.8901,  1.2345, -0.8901,  1.2345, -0.8901]])

Ejemplo

import torch

# Copiar a lo largo de dim=1
input = torch.zeros(3, 5)
index = torch.tensor([1, 3])
source = torch.tensor([[10, 20, 30, 40, 50],
                        [60, 70, 80, 90, 100]])

output = torch.index_copy(input, dim=1, index=index, source=source)

print(Entrada:)
print(input)
print(nFuente:)
print(source)
print(nResultado tras copiar a las posiciones [1, 3]:)
print(output)

El resultado de salida es:

输入:
tensor([[0., 0., 0., 0., 0.],
        [0., 0., 0., 0., 0.],
        [0., 0., 0., 0., 0.]])

源:
tensor([[ 10.,  20.,  30.,  40.,  50.],
        [ 60.,  70.,  80.,  90., 100.]])

复制到位置 [1, 3] 后的结果:
tensor([[  0.,  10.,   0.,  20.,   0.],
        [  0.,  60.,   0.,  70.,   0.],
        [  0.,   0.,   0.,   0.,   0.]])

Ejemplo

import torch

# Construir un tensor grande
# Supongamos que necesitamos fusionar los resultados de varios mini-lotes en un batch grande.

# Tensor objetivo
batch_size = 8
feature_dim = 4
output = torch.zeros(batch_size, feature_dim)

# Simular los resultados de varios mini-lotes
mini_batches = [
    torch.randn(2, feature_dim),
    torch.randn(3, feature_dim),
    torch.randn(1, feature_dim)
]

# La posición donde se colocará cada batch
indices = [0, 2, 5]

# Copiar cada batch secuencialmente
for idx, batch in zip(indices, mini_batches):
    # Crear índices del tamaño correspondiente
    index = torch.arange(idx, idx + len(batch))
    output = torch.index_copy(output, dim=0, index=index, source=batch)

print(Forma de la salida final:, output.shape)
print(output)

El resultado de salida es:

最终输出形状: torch.Size([8, 4])
tensor([[ 0.1234, -0.5678,  0.8901, -0.2345],
        [ 0.6789, -0.1234, -0.5678,  0.3456],
        [ 1.2345, -0.8901,  0.1234, -0.6789],
        [-0.3456,  0.5678, -0.1234,  0.8901],
        [ 1.5678, -0.2345,  0.6789, -0.1234],
        [-0.8901,  0.3456,  0.5678, -0.8901],
        [ 0.0000,  0.0000,  0.0000,  0.0000],
        [ 0.0000,  0.0000,  0.0000,  0.0000]])

Nota:torch.index_copyNo modifica el tensor de entrada original, sino que devuelve un nuevo tensor.index_copyEs una operación de sobrescritura, mientras quetorch.index_addla operación de acumulación es diferente.

Pytorch torch 参考手册Manual de referencia de Pytorch torch

Otras extensiones