pytorch之torch.gather方法

首先，先给出torch.gather函数的函数定义：

        torch.gather(input, dim, index, out=None) → Tensor

官方给出的解释是这样的：                    沿给定轴dim，将输入索引张量index指定位置的值进行聚合。                    对一个3维张量，输出可以定义为：                out[i][j][k] = tensor[index[i][j][k]][j][k] # dim=0                out[i][j][k] = tensor[i][index[i][j][k]][k] # dim=1                out[i][j][k] = tensor[i][j][index[i][j][k]] # dim=3刚开始看上去有点难以理解，但经过研究之后发现原来这个想表述的很简单，先给出几个代码例子让大家自行体会一下。

>>> import torch
>>> a = torch.Tensor([[1,2],[3,4]])
>>> a
1  2
3  4
[torch.FloatTensor of size 2x2]
>>> b = torch.gather(a,1,torch.LongTensor([[0,0],[1,0]]))
>>> b
1  1
4  3
[torch.FloatTensor of size 2x2]
>>> b = torch.gather(a,1,torch.LongTensor([[1,0],[1,0]]))
>>> b
2  1
4  3
[torch.FloatTensor of size 2x2]
>>> b = torch.gather(a,1,torch.LongTensor([[1,1],[1,0]]))
>>> b
2  2
4  3
[torch.FloatTensor of size 2x2]

很容易就会发现 torch.gather(input, dim, index, out=None)中的dim表示的就是第几维度，在这个二维例子中，如果dim=0，那么它表示的就是你接下来的操作是对于第一维度进行的，也就是行；如果dim=1,那么它表示的就是你接下来的操作是对于第二维度进行的，也就是列。index的大小和input的大小是一样的，他表示的是你所选择的维度上的操作，比如这个例子中

a = torch.Tensor([[1,2],[3,4]])  b = torch.gather(a,1,torch.LongTensor([[0,0],[1,0]])) 其中， dim=1，表示的是在第二维度上操作。

index = torch.LongTensor([[0,0],[1,0]])，[0,0]就是第一行对应元素的下标，也就是对应的是[1,1]； [1,0]就是第二行对应元素的下标，也就是对应的是[4,3]。

！！！特别注意一下，index的类型必须是LongTensor类型的。