Python 带索引列表的切片火炬张量

我正在做一个强化学习项目，我试图得到一个张量，表示所有给定动作的预期回报。我有一个选择动作的长张量，大小为

batch

，值为0或1（两个潜在动作）。对于每一个大小为

batch*action\u size

的行动，我有一个预期奖励的张量，我想要一个大小为

batch

的张量

例如，如果批量大小为4，则

action = tensor([1,0,0,1])
expectedReward = tensor([[3,7],[5,9],[-1,12],[0,1]])

我想要的是

rewardForActions = tensor([7,5,-1,1])

我以为这会回答我的问题，但它完全不一样，因为如果我用这个解决方案，它会得到一个4*4张量，从每行中选择4次，而不是一次

有什么想法吗？

你可以

rewardForActions = expectedReward.index_select(1, action).diagonal()  
# tensor([ 7,  5, -1,  1])                                                                                                                                                                                                            

---

使用torch.index_select（）的解决方案实际上给出了我想要的向量，除了它沿着输出4*4张量的对角线，而不是作为向量。