通过 pytorch 中的视图将索引转换回来

Question

我有以下代码，我在其中定义了一个零的火炬张量，将一项更改为等于 1，通过三个重塑函数。

然后，在所有的转换之后，我得到了1的索引。我想知道是否有可能以某种方式使用max_idx和关于permutations/.view的信息来获得1的索引在初始 B1 张量中（应等于 1234）。

A1 = np.zeros(10*18*40*28)
A1[1234] = 1
A1 = A1.reshape(10, 18, 40, 28)
B1 = torch.Tensor(A1)
print('B1: ', B1.shape, torch.nonzero(B1))
C1 = B1.permute(0, 2, 3, 1)
print('C1: ', C1.shape,  torch.nonzero(C1))
D1 = C1.contiguous().view(C1.shape[0], C1.shape[1], C1.shape[2], 3, 6)
print('D1: ', D1.shape, torch.nonzero(D1))
E1 = D1.contiguous().view(D1.shape[0], -1, 6)
print('E1: ', E1.shape, torch.nonzero(E1))

max_idx = torch.nonzero(E1)

我很想听听有关如何尝试执行此操作的任何提示:)

Answer 1

对于每个维度，您可以查看您引用的值位于哪个索引。找到正确的索引后，减去下一维之前的索引数，并为较小的子数组解决相同的问题。或者你可以只使用函数 'numpy.unravel_index' 做完全相同的事情。

import numpy as np
import torch


A1 = np.zeros(10*18*40*28)
idx = 1234
A1[idx] = 1
A1 = A1.reshape(10, 18, 40, 28)
B1 = torch.Tensor(A1)
print('B1: ', B1.shape, torch.nonzero(B1))

idx_temp = idx+0
idxB1 = np.zeros((B1.dim(),), dtype = int)
for i in range(B1.dim()):
    idxB1[i]  = idx_temp//np.prod(B1.shape[i+1:])
    idx_temp -= np.prod(B1.shape[i+1:])*idxB1[i]

idxB1np = np.unravel_index(idx, B1.shape)

print(f'idxB1 = {idxB1}')
print(f'idxB1np = {idxB1np}')

输出：

B1:  torch.Size([10, 18, 40, 28]) tensor([[0, 1, 4, 2]])
idxB1 = [0 1 4 2]
idxB1np = (0, 1, 4, 2)

通过 pytorch 中的视图将索引转换回来

Transforming the indices back through view in pytorch

python

numpy

reshape

pytorch

numpy-ndarray