在 PyTorch 的特定索引上将一个张量合并到另一个张量中

Question

在 Pytorch 中将一个张量合并到另一个张量的任何有效方法，但在特定索引上。

这是我的全部问题。

我在下面的代码中有一个 tensor 的索引列表 xy 是原始张量。 我需要保留 xy 的行（索引列表中的那些行）并对这些索引以外的元素应用一些函数（为简单起见，假设函数是'将它们乘以二),

xy = torch.rand(100,4)
indexes=[1,2,55,44,66,99,3,65,47,88,99,0]

然后将它们合并回原来的张量。

这是我到目前为止所做的：我创建了一个遮罩张量

indexes=[1,2,55,44,66,99,3,65,47,88,99,0]
xy = torch.rand(100,4)
mask=[]
for i in range(0,xy.shape[0]):
    if i in indexes: 
         mask.append(False)  
    else:
        mask.append(True)
print(mask)
import numpy as np
target_mask = torch.from_numpy(np.array(mask, dtype=bool))
print(target_mask.sum()) #output is 89 as these are element other than preserved.

在屏蔽行上应用函数

zy = xy[target_mask]
print(zy)
zy=zy*2
print(zy)

上面的代码工作正常并张贴在这里以澄清问题

现在我想在保存在列表 indexes 中的指定索引上将张量 zy 合并到 xy 中。这是我做的伪代码，可以看出它太复杂了，需要 3 个 for 循环才能完成任务。而且会浪费太多资源

# pseudocode
for masked_row in indexes: 
    for xy_rows_index in xy: 
        if xy_rows_index= masked_row
            pass
        else:
            take zy tensor row and replace here #another loop to read zy.

但我不确定合并它们的有效方法是什么，因为我不想使用 NumPy 或 for 循环等。这会使过程变慢，因为原始张量太大，我要用GPU

Pytorch 中有什么有效的方法吗？

Answer 1

获得掩码后，您可以就地分配更新值。

zy = 2 * xy[target_mask]
xy[target_mask] = zy

至于获取掩码，我认为您的方法不一定有问题，尽管使用内置的集合操作可能会更有效率。这也给出了一个索引张量而不是一个掩码，根据更新的索引数量，它可能更有效。

i = list(set(range(len(xy)))-set(indexes))
zy = 2 * xy[i]
xy[i] = zy

编辑：

为了解决评论，特别是找到 i 索引的补集，我们可以做

i_complement = list(set(range(len(xy)))-set(i))

但是，假设 indexes 只包含 0 和 len(xy)-1 之间的值，那么我们可以等效地使用 i_complement = len(set(indexes))，它只是删除 indexes 中的重复值].

在 PyTorch 的特定索引上将一个张量合并到另一个张量中

Merge one tensor into other tensor on specific indexes in PyTorch

python

pytorch

tensor