python-3.x - 使用 Pytorch 如何定义带有索引和相应值的张量

Question

问题

我有一个索引列表和一个值列表，如下所示:

i = torch.tensor([[2, 2, 1], [2, 0, 2]])
v = torch.tensor([1, 2, 3])

我想定义一个(示例中的3x3)矩阵，其中包含索引i处的值v(1 位于 (2,2) 位置，2 位于 (2, 0) 和 3 位置在位置(1,2)):

tensor([[0, 0, 0],
        [0, 0, 3],
        [2, 0, 1]])

我尝试过的

我可以使用 torch.sparse 和 .to_dense() 使用技巧来做到这一点，但我觉得这不是“pytorchic”方式来做到这一点，也不是最有效:

f = torch.sparse.FloatTensor(indices, values, torch.Size([3, 3]))
print(f.to_dense())

有更好的解决方案吗？ 理想情况下，我希望有一种至少与上面提供的解决方案一样快的解决方案。 当然，这只是一个示例，张量 i 和 v 中没有假设任何特定结构(维度都没有)。

Answer 1

还有一个替代方案，如下所示:

import torch

i = torch.tensor([[2, 2, 1], [2, 0, 2]])
v = torch.tensor([1, 2, 3], dtype=torch.float)   # enforcing same data-type

target = torch.zeros([3,3], dtype=torch.float)   # enforcing same data-type
target.index_put_(tuple([k for k in i]), v)

print(target)

目标张量如下:

tensor([[0., 0., 0.],
        [0., 0., 3.],
        [2., 0., 1.]])

This medium.com blog article提供 PyTorch 张量的所有索引函数的完整列表。