如何正确访问 3D Pytorch 张量中的元素？
在本文中，我们将讨论如何在 Pytorch 中访问三维张量中的元素。PyTorch 是一个优化的张量库，主要用于使用图形处理器和中央处理器的深度学习应用程序。它是广泛使用的机器学习库之一，其他的还有 TensorFlow 和 Keras。python 支持 torch 模块，因此要使用这个模块，我们首先要将模块导入到工作空间中。
语法:
进口火炬
我们可以使用 torch.tensor()函数创建一个向量
语法:
torch.tensor([value1，value2，.值 n])
示例 1: 创建三维张量并显示的 Python 代码
蟒蛇 3
# import torch module
import torch
# create an 3 D tensor with 8 elements each
a = torch.tensor([[[1, 2, 3, 4, 5, 6, 7, 8],
[10, 11, 12, 13, 14, 15, 16, 17]],
[[71, 72, 73, 74, 75, 76, 77, 78],
[81, 82, 83, 84, 85, 86, 87, 88]]])
# display actual tensor
print(a)
输出:
tensor([[[ 1, 2, 3, 4, 5, 6, 7, 8],
[10, 11, 12, 13, 14, 15, 16, 17]],
[[71, 72, 73, 74, 75, 76, 77, 78],
[81, 82, 83, 84, 85, 86, 87, 88]]])
要从三维张量访问元素，可以使用切片。切片意味着通过使用“:”切片操作符来选择张量中存在的元素。我们可以通过使用特定元素的索引来分割元素。
注:索引从 0 开始
语法:
张量[张量_位置_开始:张量_位置_结束，张量_维度_开始:张量_维度_结束，张量_值_开始:张量_值_结束]
哪里，
- 张量_位置_开始–指定开始迭代的张量
- 张量_位置_结束–指定停止迭代的张量
- 张量_维度_开始–指定在给定位置开始张量迭代的张量
- 张量_维度_停止–指定张量在给定位置停止张量的迭代
- 张量_值_开始–指定张量的开始位置，以迭代维度中给定的元素
- 张量_值_停止–指定张量的结束位置，以迭代维度中给定的元素
下面给出了相同的各种例子。
示例 2: Python 代码访问 1 维的所有张量，只得到该维的 7 个值
蟒蛇 3
# import torch module
import torch
# create an 3 D tensor with 8 elements each
a = torch.tensor([[[1, 2, 3, 4, 5, 6, 7, 8],
[10, 11, 12, 13, 14, 15, 16, 17]],
[[71, 72, 73, 74, 75, 76, 77, 78],
[81, 82, 83, 84, 85, 86, 87, 88]]])
# display actual tensor
print(a)
# access all the tensors of 1 dimension
# and get only 7 values in that dimension
print(a[0:1, 0:1, :7])
输出:
tensor([[[ 1, 2, 3, 4, 5, 6, 7, 8],
[10, 11, 12, 13, 14, 15, 16, 17]],
[[71, 72, 73, 74, 75, 76, 77, 78],
[81, 82, 83, 84, 85, 86, 87, 88]]])
tensor([[[1, 2, 3, 4, 5, 6, 7]]])
例 3: Python 代码访问所有维度的所有张量，每个维度只得到 3 个值
蟒蛇 3
# import torch module
import torch
# create an 3 D tensor with 8 elements each
a = torch.tensor([[[1, 2, 3, 4, 5, 6, 7, 8],
[10, 11, 12, 13, 14, 15, 16, 17]],
[[71, 72, 73, 74, 75, 76, 77, 78],
[81, 82, 83, 84, 85, 86, 87, 88]]])
# display actual tensor
print(a)
# access all the tensors of all dimensions
# and get only 3 values in each dimension
print(a[0:1, 0:2, :3])
输出:
tensor([[[ 1, 2, 3, 4, 5, 6, 7, 8],
[10, 11, 12, 13, 14, 15, 16, 17]],
[[71, 72, 73, 74, 75, 76, 77, 78],
[81, 82, 83, 84, 85, 86, 87, 88]]])
tensor([[[ 1, 2, 3],
[10, 11, 12]]])
示例 4: 访问所有张量上一维的 8 个元素
蟒蛇 3
# import torch module
import torch
# create an 3 D tensor with 8 elements each
a = torch.tensor([[[1, 2, 3, 4, 5, 6, 7, 8],
[10, 11, 12, 13, 14, 15, 16, 17]],
[[71, 72, 73, 74, 75, 76, 77, 78],
[81, 82, 83, 84, 85, 86, 87, 88]]])
# display actual tensor
print(a)
# access 8 elements in 1 dimension on all tensors
print(a[0:2, 1, 0:8])
输出:
tensor([[[ 1, 2, 3, 4, 5, 6, 7, 8],
[10, 11, 12, 13, 14, 15, 16, 17]],
[[71, 72, 73, 74, 75, 76, 77, 78],
[81, 82, 83, 84, 85, 86, 87, 88]]])
tensor([[10, 11, 12, 13, 14, 15, 16, 17],
[81, 82, 83, 84, 85, 86, 87, 88]])
