将张量分配给多个切片

Question

让

a = tensor([[0, 0, 0, 0],
            [0, 0, 0, 0],
            [0, 0, 0, 0]])
b = torch.tensor([1, 2])
c = tensor([[1, 2, 0, 0],
            [0, 1, 2, 0],
            [0, 0, 1, 2]])

有没有一种方法可以通过将c分配给b的切片而没有任何循环来获得a？也就是说，对于某些a[indices] = b或类似内容，indices？

Answer 1

您可以在pytorch中使用scatter方法。

a = torch.tensor([[0, 0, 0, 0],
                 [0, 0, 0, 0],
                 [0, 0, 0, 0]])

b = torch.tensor([1, 2])

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

a.scatter_(1, index, b.view(-1,2).repeat(3,1))
# tensor([[1, 2, 0, 0],
#         [0, 1, 2, 0],
#         [0, 0, 1, 2]])

Answer 2

此操作背后的逻辑有点不确定，因为尚不清楚该操作的参数是什么。但是，仅使用矢量化操作从输入中获得所需输出的一种方法是：

确定需要多少行（您的示例为3）
• 创建具有多个列的a，以使b后跟行数（2 + 3）和所选行数（3）一样多的零]
• 将b分别分配给a的开头
• 将数组展平，将num_rows切为零，并调整为目标形状。

在NumPy中，可以实现为：

import numpy as np


b = np.array([1, 2])
c = np.array([[1, 2, 0, 0],
              [0, 1, 2, 0],
              [0, 0, 1, 2]])

num_rows = 3
a = np.zeros((num_rows, len(b) + num_rows), dtype=b.dtype)
a[:, :len(b)] = b
a = a.ravel()[:-num_rows].reshape((num_rows, len(b) + num_rows - 1))

print(a)
# [[1 2 0 0]
#  [0 1 2 0]
#  [0 0 1 2]]

print(np.all(a == c))
# True

编辑
与在Torch中实施的相同方法：
import torch as to


b = to.tensor([1, 2])
c = to.tensor([[1, 2, 0, 0],
               [0, 1, 2, 0],
               [0, 0, 1, 2]])

num_rows = 3
a = to.zeros((num_rows, len(b) + num_rows), dtype=b.dtype)
a[:, :len(b)] = b
a = a.flatten()[:-num_rows].reshape((num_rows, len(b) + num_rows - 1))

print(a)
# tensor([[1, 2, 0, 0],
#         [0, 1, 2, 0],
#         [0, 0, 1, 2]])

print(to.all(a == c))
# tensor(1, dtype=torch.uint8)