Python 3.x 使用pyTorch张量沿一个特定维度与三维张量建立索引

我有两个张量：

带形状的A（批次、序列、B） B带形状（批次、顺序）

我想得到以下信息：

C = torch.zeros_like(B)
for i in range(B.shape[0]):
   for j in range(B.shape[1]):
      C[i,j] = A[i,j,B[i,j]]

但是以矢量化的方式。我试过火炬，收集和其他东西，但我不能让它工作。 有人能帮我吗？

>>进口火炬
>>>A=火炬张量（[[1,2,3.]），
...      [ 5.,  6.,  7.]],
... 
...     [[ 9., 10., 11.],
...      [13., 14., 15.]]])
>>>B=火炬张量（[[0,2]，
...     [1, 0]])
>>>A.形状
火炬尺寸（[2,2,3]）
>>>B.形状
火炬尺寸（[2,2]）
>>>C=火炬。类似于零（B）
>>>对于范围内的i（B.形状[0]）：
...    对于范围内的j（B.形状[1]）：
...       C[i，j]=A[i，j，B[i，j]]
... 
>>>C
张量（[[1,7]，
[10, 13]])
>>>火炬聚集（A，-1，B.unsqueze（-1））
张量（[[1.]，
[ 7.]],
[[10.],
[13.]]])
>>>火炬。聚集（A，-1，B。未聚集（-1））。形状
火炬尺寸（[2,2,1]）
>>>火炬。聚集（A，-1，B。未挤压（-1））。挤压（-1）
张量（[[1,7.]，
[10., 13.]])

您好，您可以使用

火炬。聚集（A，-1，B.unsqueze（-1））。挤压（-1）

。 在

A

和

B之间的第一个
-1
表示要沿着哪个维度拾取图元

B.unsqueze（-1）中的第二个
-1
是向B添加一个dim，使两个张量具有相同的dim，否则会得到
运行时错误：索引张量必须具有与输入张量相同的维数

最后一个
-1
是将结果从
torch.Size（[2,2,1]）
重塑为
torch.Size（[2,2]）
非常感谢。这很有帮助：）
C = torch.zeros_like(B)
for i in range(B.shape[0]):
   for j in range(B.shape[1]):
      C[i,j] = A[i,j,B[i,j]]