pytorch中每行的第k个值？

给定

导入火炬
A=torch.rand（9）.视图（（3,3））#张量（[0.7455,0.7736,0.1772]，\n[0.6646,0.4191,0.6602]，\n[0.0818,0.8079,0.6424]）
k=火炬张量（[0,1,0]）
A.kthvalue_向量化（k）->[0.1772,0.6602,0.0818]

也就是说，我想用不同的k对每一列进行操作。
不是

kthvalue

也不是topk提供的API。 有没有一种矢量化的方法来解决这个问题？
备注-第k个值不是第k个索引中的值，而是第k个最小元素

torch.kthvalue（输入，k，dim=None，keepdim=False，out=None）->（张量，长传感器）

返回一个namedtuple（值、索引），其中值是给定维度中输入张量每行的第k个最小元素。索引是找到的每个元素的索引位置

---

假设您不需要索引到原始矩阵中（如果需要，也可以对第二个返回值使用奇特的索引），您可以简单地对值进行排序（默认情况下按最后一个索引）并返回适当的值，如下所示：

def kth_smallest(tensor, indices):
    tensor_sorted, _ = torch.sort(tensor)
    return tensor_sorted[torch.arange(len(indices)), indices]

此测试用例为您提供了所需的值：

tensor = torch.tensor(
    [[0.7455, 0.7736, 0.1772], [0.6646, 0.4191, 0.6602], [0.0818, 0.8079, 0.6424]]
)

print(kth_smallest(tensor, [0, 1, 0])) # -> [0.1772,0.6602,0.0818]

---

你能解释一下你是如何以

[1,5,1]

收场的吗？它不应该是

[1,5,7]

？另外，请注意，

A

将无效，因为您没有向构造函数提供有效的数据类型。请为输入包含一个工作列表。当然，您的预期输出仍然可以是伪代码。另外，请注意Python是零索引的，因此

k

应该是

torch.tensor（[0,1,0]）

。ccl请阅读pytorch文档中关于kthvalue的内容，您输入k作为您希望的索引上方的一个，并提供一个工作示例，当然，纠正了期望的输出：）每行的第k个值通常被称为列？它缺少了kthvalue函数相对于nlogn的

O（n）

优势，但如果真正的kth_值不能矢量化，这是一个很好的选择。是的，不幸的是，但没有

O（n）

我所知道的PyTorch中预先制作的解决方案。如果此操作如此关键，您可以编写自己的或集成

numba

/

cupy

（不确定此方法是否以及有多复杂）。