Python 使用相同大小的索引张量拆分火炬张量

假设我有张量

t = torch.tensor([1,2,3,4,5])

我想用一个相同大小的索引张量来拆分它，它告诉我每个元素应该在哪个方向拆分

indices = torch.tensor([0,1,1,0,2])

所以最终的结果是

splits
[tensor([1,4]), tensor([2,3]), tensor([5])]

在Pytorch中有没有一种简洁的方法可以做到这一点

---

编辑：通常会有2到3个以上的拆分。

使用逻辑索引确实是可行的，您只需确保索引“掩码”由布尔值构成，因此在您的情况下

splits = t[indices > 0] , t[indices < 1]

splits=t[指数>0]，t[指数<1]

---

或者，您也可以先将张量

索引转换为布尔数据类型。
使用逻辑索引确实是可行的，您只需确保索引“掩码”是由布尔值生成的，因此在您的情况下

splits = t[indices > 0] , t[indices < 1]

splits=t[指数>0]，t[指数<1]

或者，您可以先将张量
索引转换为布尔数据类型。
对于一般情况，可以使用
argsort
进行转换：

def mask_split(tensor, indices):
    sorter = torch.argsort(indices)
    _, counts = torch.unique(indices, return_counts=True)
    return torch.split(t[sorter], counts.tolist())


mask_split(t, indices)

如果这是您真正的用例，那么使用@Defirr-answer可能会更好（而且
列表理解也可能更快，因为它不需要排序），类似这样：

def mask_split(tensor, indices):
    unique = torch.unique(indices)
    return [tensor[indices == i] for i in unique]

对于一般情况，可以使用
argsort
：

def mask_split(tensor, indices):
    sorter = torch.argsort(indices)
    _, counts = torch.unique(indices, return_counts=True)
    return torch.split(t[sorter], counts.tolist())


mask_split(t, indices)

如果这是您真正的用例，那么使用@Defirr-answer可能会更好（而且
列表理解也可能更快，因为它不需要排序），类似这样：

def mask_split(tensor, indices):
    unique = torch.unique(indices)
    return [tensor[indices == i] for i in unique]

除其他答案外，对于pytorch中的索引，您可以直接使用索引位置访问这些元素：

t = torch.tensor([1,2,3,4])
print(t[[0,1,3]])

所以你不需要为索引存储张量。如果需要，您仍然可以存储带有1和0的numpy数组，然后从该数组中查找访问索引：

a = np.array([0, 1, 1, 0])
ind_ones = np.argwhere(a == 1).squeeze()
ind_zers = np.argwhere(a == 0).squeeze()
print(t[ind_ones])   # tensor([2, 3])
print(t[ind_zers])   # tensor([1, 4])

除其他答案外，对于pytorch中的索引，您可以直接使用索引位置访问这些元素：

t = torch.tensor([1,2,3,4])
print(t[[0,1,3]])

所以你不需要为索引存储张量。如果需要，您仍然可以存储带有1和0的numpy数组，然后从该数组中查找访问索引：

a = np.array([0, 1, 1, 0])
ind_ones = np.argwhere(a == 1).squeeze()
ind_zers = np.argwhere(a == 0).squeeze()
print(t[ind_ones])   # tensor([2, 3])
print(t[ind_zers])   # tensor([1, 4])