Python 如何将pytorch张量中一行中的最大n个元素设置为1和о；是零吗？

例如，如果我有张量

0.8, 0.1, 0.9, 0.2
0.7, 0.1, 0.4, 0.6

n=2，我想得到

1, 0, 1, 0
1, 0, 0, 1

---

或者最好是简单地做，但问题是相同的。

对于性能效率，我们可以使用-

或者我们可以在

argpartition

步骤中使用

np.argpartition（-a，n，axis=1）[：，：n]

样本运行-

In [56]: a
Out[56]: 
array([[0.8, 0.1, 0.9, 0.2],
       [0.7, 0.1, 0.4, 0.6]])

In [57]: partition_assign(a, n=2)
Out[57]: 
array([[1, 0, 1, 0],
       [1, 0, 0, 1]])

In [58]: partition_assign(a, n=3)
Out[58]: 
array([[1, 0, 1, 1],
       [1, 0, 1, 1]])

---

你可以使用列表理解。 简单快速

首先为每个数组选择阈值（基于

n

）

def张量_阈值（张量，n）：
阈值=[arr张量中arr的排序（arr）[-n]
返回[[0如果x小于arr中x的第1个，则返回]
对于arr，th in-zip（张量，阈值）]
T=[[0.8,0.1,0.9,0.2]，[0.7,0.1,0.4,0.6]]
张量_阈值（T，n=2）
>>> [[1, 0, 1, 0], [1, 0, 0, 1]]

您可以使用获取索引，然后将其设置为新张量的

1

t=torch.tensor（[[0.8,0.1,0.9,0.2]，[0.7,0.1,0.4,0.6]）
tb=火炬。零（t形）#为1,0创建新的张量
#将“1”设置为topk索引
tb[（torch.arange（len（t））.unsqueze（1），torch.topk（t，2）.指数）]=1
结核病
张量（[[1,0,1,0.]，
[1., 0., 0., 1.]])

或

n=3

tb=火炬零点（t形）
tb[（torch.arange（len（t））.unsqueze（1），torch.topk（t，3）.指数）]=1
结核病
张量（[[1,0,1,1.]，
[1., 0., 1., 1.]])

In [56]: a
Out[56]: 
array([[0.8, 0.1, 0.9, 0.2],
       [0.7, 0.1, 0.4, 0.6]])

In [57]: partition_assign(a, n=2)
Out[57]: 
array([[1, 0, 1, 0],
       [1, 0, 0, 1]])

In [58]: partition_assign(a, n=3)
Out[58]: 
array([[1, 0, 1, 1],
       [1, 0, 1, 1]])

def tensor_threshold(tensor, n):
    thresholds = [sorted(arr)[-n] for arr in tensor]
    return [[0 if x < th else 1 for x in arr]
            for arr, th in zip(tensor, thresholds)]


T = [[0.8, 0.1, 0.9, 0.2], [0.7, 0.1, 0.4, 0.6]]

tensor_threshold(T, n=2)
>>> [[1, 0, 1, 0], [1, 0, 0, 1]]