Pytorch 在张量列表中查找n个最小值

我试图找到pytorch中张量列表中n个最小值的索引。由于这些张量可能包含许多非唯一值，我不能简单地计算百分位数来获得指数。然而，非唯一值的顺序并不重要

我提出了以下解决方案，但我想知道是否有更优雅的方法：

导入火炬
n=10
张量列表=[torch.randn（10,10），torch.zero（20,20），torch.one（30,10）]
all_sorted，all_sorted_idx=torch.sort（torch.cat（[t.view（-1）表示张量列表中的t]））
cum_num_elements=torch.cumsum（torch.tensor（[t.numel（）表示张量列表中的t]），dim=0）
cum_num_elements=torch.cat（[torch.tensor（[0]），cum_num_elements]）
拆分索引\u lt=[所有排序的\u idx[：n]=cum_num_elements[i]for i，在枚举中（cum_num_elements[：-1]）]
拆分索引=[所有排序的索引idx[：n][torch.logical\u and（lt，ge）]-c表示lt，ge，zip中的c（拆分索引\u lt，拆分索引\u ge，cum\u num元素[：-1]）]
n_minimate=[t.view（-1）[idx]表示t，idx在zip中（张量列表，拆分索引）]

---

编辑：理想情况下，解决方案会选择非唯一值的随机子集，而不是选择列表中第一个张量的条目。

Pytorch确实提供了一种更优雅（我认为）的方法，使用

torch.unique\u continuoused

（请参阅）

我将研究一个张量，而不是张量列表，因为正如你自己所做的，只有一个

cat

要做。之后解开这些指数也不难

# We want to find the n=3 min values and positions in t 
n = 3
t = torch.tensor([1,2,3,2,0,1,4,3,2])
# To get a random occurrence, we create a random permutation
randomizer = torch.randperm(len(t))
# first, we sort t, and get the indices
sorted_t, idx_t = t[randomizer].sort()
# small util function to extract only the n smallest values and positions
head = lambda v,w : (v[:n], w[:n])
# use unique_consecutive to remove duplicates
uniques_t, counts_t = head(*torch.unique_consecutive(sorted_t, return_counts=True))
# counts_t.cumsum gives us the position of the unique values in sorted_t
uniq_idx_t = torch.cat([torch.tensor([0]), counts_t.cumsum(0)[:-1]], 0)
# And now, we have the positions of uniques_t values in t : 
final_idx_t = randomizer[idx_t[uniq_idx_t]]
print(uniques_t, final_idx_t)

>>> tensor([0,1,2]), tensor([4,0,1])
>>> tensor([0,1,2]), tensor([4,5,8])
>>> tensor([0,1,2]), tensor([4,0,8])

---

编辑：我认为添加的排列解决了您需要的随机出现问题

您好，我不太理解您的编辑。你想要n个最小的张量值，它是通过连接整个张量列表产生的，是吗？您的意思是，您不希望获取第一次出现的最小值，而是随机出现的值？@TrialError是的。如果由于多个相同的值导致排序不确定，我需要一个随机排序。这是找到n个最小唯一值的好方法，谢谢！不幸的是，这并不能回答我的问题，因为我要的是n个最小值，因为有许多相同（非唯一）的值，这些值不允许严格的单调排序，但应该包括在内。@smonsays我在pytorch中找不到可靠的非确定性排序，所以我事先添加了一个置换。这对你有用吗？