Python 多维张量的topk指数

我有一个二维张量，我想得到顶k值的指数。我知道函数。pytorch的topk函数的问题是，它计算某个维度上的topk值。我想得到两个维度上的topk值

例如，对于下列张量

a=火炬张量[[4,9,7,4,0]， [8, 1, 3, 1, 0], [9, 8, 4, 4, 8], [0, 9, 4, 7, 8], [8, 8, 0, 1, 4]] pytorch的topk函数将提供以下信息

数值，指数=torch.topka，3 印刷索引 张量[[1,2,0]， [0, 2, 1], [0, 1, 4], [1, 4, 3], [1, 0, 4]] 但我想得到以下信息

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

这是2D张量中9的指数

有什么方法可以使用pytorch实现这一点吗？

您可以展平原始张量，应用topk，然后使用以下方法将合成的标量索引转换回多维索引：

def descalarization(idx, shape):
    res = []
    N = np.prod(shape)
    for n in shape:
        N //= n
        res.append(idx // N)
        idx %= N
    return tuple(res)

例如：

torch.tensor([descalarization(k, a.size()) for k in torch.topk(a.flatten(), 5).indices])
# Returns 
# tensor([[3, 1],
#         [2, 0],
#         [0, 1],
#         [3, 4],
#         [2, 4]])

您可以展平原始张量，应用topk，然后使用以下方法将结果标量索引转换回多维索引：

def descalarization(idx, shape):
    res = []
    N = np.prod(shape)
    for n in shape:
        N //= n
        res.append(idx // N)
        idx %= N
    return tuple(res)

例如：

torch.tensor([descalarization(k, a.size()) for k in torch.topk(a.flatten(), 5).indices])
# Returns 
# tensor([[3, 1],
#         [2, 0],
#         [0, 1],
#         [3, 4],
#         [2, 4]])

输出：

[[3 1]
 [2 0]
 [0 1]]

展平并找到顶部k 使用展开索引将一维索引转换为二维索引 输出：

[[3 1]
 [2 0]
 [0 1]]

展平并找到顶部k 使用展开索引将一维索引转换为二维索引

---

您可以根据需要进行一些向量运算以进行过滤。在这种情况下，不要使用topk

print(a)
tensor([[4, 9, 7, 4, 0],
    [8, 1, 3, 1, 0],
    [9, 8, 4, 4, 8],
    [0, 9, 4, 7, 8],
    [8, 8, 0, 1, 4]])

values, indices = torch.max(a,1)   # get max values, indices
temp= torch.zeros_like(values)     # temporary
temp[values==9]=1                  # fill temp where values are 9 (wished value)
seq=torch.arange(values.shape[0])  # create a helper sequence
new_seq=seq[temp>0]                # filter sequence where values are 9
new_temp=indices[new_seq]          # filter indices with sequence where values are 9
final = torch.stack([new_seq, new_temp], dim=1)  # stack both to get result

print(final)
tensor([[0, 1],
        [2, 0],
        [3, 1]])

---

您可以根据需要进行一些向量运算以进行过滤。在这种情况下，不要使用topk

print(a)
tensor([[4, 9, 7, 4, 0],
    [8, 1, 3, 1, 0],
    [9, 8, 4, 4, 8],
    [0, 9, 4, 7, 8],
    [8, 8, 0, 1, 4]])

values, indices = torch.max(a,1)   # get max values, indices
temp= torch.zeros_like(values)     # temporary
temp[values==9]=1                  # fill temp where values are 9 (wished value)
seq=torch.arange(values.shape[0])  # create a helper sequence
new_seq=seq[temp>0]                # filter sequence where values are 9
new_temp=indices[new_seq]          # filter indices with sequence where values are 9
final = torch.stack([new_seq, new_temp], dim=1)  # stack both to get result

print(final)
tensor([[0, 1],
        [2, 0],
        [3, 1]])

---

你只是想要例子中的前1名，还是你也对topk感兴趣？你只是想要例子中的前1名，还是你也对topk感兴趣？