使用 Pytorch 如何定义具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（3x3 示例）矩阵，其中在索引 i 处包含值 v（1 在位置 (2,2), 2 在位置 (2, 0) 和 3 在位置 (1,2)):

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

我试过的

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

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，我希望有一个至少与上面提供的解决方案一样快的解决方案。当然，这只是一个例子，没有假设张量 i 和 v 中的特定结构（维度也没有）。

Answer 1

还有一个替代方案，如下：

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)

target张量如下：

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

This medium.com blog article 提供了 PyTorch 张量的所有 index 函数的综合列表。

使用 Pytorch 如何定义具有索引和相应值的张量

Using Pytorch how to define a tensor with indices and corresponding values

sparse-matrix

python-3.x

pytorch

问题

我试过的