pytorch学习笔记（二）数据的相关操作

一、前言

        前文简单的介绍了pytorch的数据类型，本文将主要介绍tensor的索引、切片等操作。

二、数据操作

1、索引

a = torch.randn(64,3,28,28)      #以MNIST的数据维度为例

[In] a[0].shape                  #首张输入图片的维度信息
[Out] torch.Size([3,28,28])

[In] a[0,0].shape                #首张图片的第一个通道的维度信息
[Out] torch.Size([28,28])          

[In] a[0,0,27,27].shape          #像素值
[Out] tensor(-1.5442)

[In] a.index_select(2,torch.arange(8)).shape     #在维度2的位置，数值为0~7
[Out] torch.Size([64, 3, 8, 28])

b = torch.randn(2,3)

[Out]tensor([[-0.9997, -0.1196, -1.5024],
           [-0.1027, -0.9639,  0.9655]])

[In] mask = b.ge(0.5)                         #在数组中比0.5大的数位True，反之为False
[Out] tensor([[False, False, False],
            [False, False,  True]])

[In] torch.masked_select(b,mask)              #获取b中比0.5大的元素
[Out] tensor([0.9655])

2、切片

a = torch.randn(64,3,28,28)

[In] a[0:2].shape                  #在维度0的位置取0~1，手写体数字而言就是选取前两张图片的信息
[Out] torch.Size([2, 3, 28, 28])

[In] a[0:2,:1,:,:].shape           #维度0选取0~1，维度1选取0，维度2选取0~27，维度3选取0~27        
[Out] torch.Size([2, 1, 28, 28])

[In] a[:2,1:,:,:].shape            #维度0选取0~1，维度1选取1，维度2选取0~27，维度3选取0~27 
[Out] torch.Size([2, 2, 28 ,28])

[In] a[:2,-1:,:,:].shape           #维度0选取0~1，维度1选取2，维度2选取0~27，维度3选取0~27 
[Out] torch.Size([2, 1, 28, 28]) 

[In] a[:,:,:28:2,::2].shape        #维度0全选，维度1全选，维度2在0~27步长位2选取，维度3相同 
[Out] torch.Size([64, 3, 14, 14])

[In] a[...].shape                  #全选 a = a[...]
[Out] torch.Size([64, 3, 28, 28])

[In] a[0,...].shape                #维度0取0，其他维度全选
[Out] torch.Size([3, 28, 28])

[In] a[:,1,...].shape              #维度1取1，其他维度全选
[Out] torch.Size([64, 28, 28])

三、总结

        数据的索引与切片较为简单，与数组相同。但是当这两个操作出现在项目中时，我会突然忘记或者搞混，所以在此记录一下，还是需要大量锻炼才行。翻过一座山又是一座山，下座山峰见。