Python 从一个新的张量将索引和基调值结合起来

我有一个像a=torch的张量，张量[1,2,0,1,2]。我想计算一个张量b，它的指数和张量a的值如下： b=张量[[0,1]，[1,2]，[2,0]，[3,1]，[4,2]]

---

编辑：a[i]大于等于0。

一种方法是：

b = torch.IntTensor(list(zip(range(0, list(a.size())[0], 1), a.numpy())))

输出：

tensor([[0, 1],
        [1, 2],
        [2, 0],
        [3, 1],
        [4, 2]], dtype=torch.int32)

tensor([[0, 1],
        [1, 2],
        [2, 0],
        [3, 1],
        [4, 2]])

或者，您也可以使用torch.cat，如下所示：

a = torch.tensor([1,2,0,1,2])
indices = torch.arange(0, list(a.size())[0])
res = torch.cat([indices.view(-1, 1), a.view(-1, 1)], 1) 

输出：

tensor([[0, 1],
        [1, 2],
        [2, 0],
        [3, 1],
        [4, 2]], dtype=torch.int32)

tensor([[0, 1],
        [1, 2],
        [2, 0],
        [3, 1],
        [4, 2]])

---

一种方法是：

b = torch.IntTensor(list(zip(range(0, list(a.size())[0], 1), a.numpy())))

输出：

tensor([[0, 1],
        [1, 2],
        [2, 0],
        [3, 1],
        [4, 2]], dtype=torch.int32)

tensor([[0, 1],
        [1, 2],
        [2, 0],
        [3, 1],
        [4, 2]])

或者，您也可以使用torch.cat，如下所示：

a = torch.tensor([1,2,0,1,2])
indices = torch.arange(0, list(a.size())[0])
res = torch.cat([indices.view(-1, 1), a.view(-1, 1)], 1) 

输出：

tensor([[0, 1],
        [1, 2],
        [2, 0],
        [3, 1],
        [4, 2]], dtype=torch.int32)

tensor([[0, 1],
        [1, 2],
        [2, 0],
        [3, 1],
        [4, 2]])