Torch 张量非连续索引（类似于 Numpy）

Question

我是 torch7 的新手，我找不到基于另一个张量获取张量的一些非连续索引的方法。在 numpy 中，我所做的是：

array = np.zeros(5) # array = [0 0 0 0 0]
indices = np.array([0, 2, 4])
array[indices] = np.array([1, 2, 3]) # array = [1 0 2 0 3]

有没有办法在 torch7 中做类似的事情？类似于：

array = torch.zeros(5) -- array = [0 0 0 0 0]
indices = torch.Tensor({1, 3, 5})
array[indices] = torch.Tensor({1, 2, 3}) -- array = [1 0 2 0 3]

谢谢！

Answer 1

好的，环顾四周，我找不到确切的解决方案，但我找到了我想做的事情的近似值，我分享它以防其他人发现它有用：

array = torch.zeros(5) -- array = [0 0 0 0 0]
indices = torch.LongTensor({1, 3, 5}) -- Is important that this is a LongTensor
array:indexAdd(1, indices, torch.Tensor({1, 2, 3})) -- array = [1 0 2 0 3]

Answer 2

torch.IndexCopy 正是您所需要的：

array:indexCopy(1, indices, torch.Tensor({1, 2, 3}))

Answer 3

如果您是 python 用户，也许您也可以尝试 https://github.com/imodpasteur/lutorpy 。例如，您可以在 python 中处理数组，然后将其转换为 torch 张量。如果你想转换回 numpy 数组，转换是即时的，因为它只传递指针，python 和 lua 中的两个对象共享相同的内存。

array = np.zeros(5) # array = [0 0 0 0 0]
indices = np.array([0, 2, 4])
array[indices] = np.array([1, 2, 3]) # array = [1 0 2 0 3]

require("torch")
# convert numpy array to torch tensor
tensor = torch.fromNumpyArray(array) 

# put your torch code here

#convert back to numpy array
array = tensor.asNumpyArray()
# now array is sharing memory with tensor

Torch 张量非连续索引（类似于 Numpy）

Torch7 Tensor Non-Contiguos Index (Similar to Numpy)

python

lua

numpy

torch