Indexing 如何利用torch.topk（）提供的索引？

假设我有一个pytorch张量

x

的形状

[N，N\u g，2]

。它可以看作是

N*N_g

2d向量。具体而言，

x[i，j，：]

是

i

th批次中

j

th组的2d向量

现在我试图得到每组中前5个长度向量的坐标。因此，我尝试了以下方法：

（i） 首先，我使用

x_len=（x**2）.sum（dim=2）.sqrt（）

来计算它们的长度，结果是

x_len.shape=[N，N_g]

（ii）然后我使用

tk=x_len.topk（5）

得到每组中前5个长度

（iii）所需的输出将是形状

[N，5，2]

的张量

x_top5

。我自然想到了使用

tk.index

来索引

x

，以获得

x\u top5

。但我失败了，因为似乎不支持这种索引

我该怎么做

---

一个简单的例子：

x = torch.randn(10,10,2) # N=10 is the batchsize, N_g=10 is the group size
x_len = (x**2).sum(dim=2).sqrt()
tk = x_len.topk(5)

x_top5 = x[tk.indices]

print(x_top5.shape)
# torch.Size([10, 5, 10, 2])

---

但是，这使

x_top5

成为形状的张量

[10,5,10,2]

，而不是所需的

[10,5,2]

。

您没有设置dim参数<代码>tk=x_len.topk（5，dim=1）用于每组前5个长度。对于输出：

x[：，tk.index，：]

@DimitriK.Sifoua默认情况下，dim参数为

-1

，与本例中的

dim=1

相同，因此不会产生任何差异。此外，如您所建议的，索引会给出

[10,10,5,2]

而不是

[10,5,2]

。dim参数为OK。问题来自索引，因为您使用二维张量而不是一维张量。这将工作

torch.cat（[*map（lambda i:x[i:i+1，tk.index[i]，：]，range（x.shape[0]））））