本文重点 如图表所示，这几个方法可以理解为索引函数

本文重点

如图表所示，这几个方法可以理解为索引函数，有些函数在切片和索引一章进行了简单的介绍，本文将再次进行介绍，温故知新。

index_select

通过特殊的索引来获取数据index_select，这个这样来理解，第一个参数表示a的第几维度，第二个参数表示获取该维度的哪部分。

我们把16，3，28，28看作是16张大小为28的三通道图片，如果我们要想只获得第1张和第三章图片，我们可以这样操作a.index_select(0,torch.tensor([0,2]))

第一个参数0表示操作数据a的第一个维度，也就是第几章图片，第二个参数表示获取第一维度的第一张还有第三张图片，注意第二个参数必须为tensor类型

这个还有一个参数没有使用就是index_select方法的第三个参数，这个还可以获取指定的索引数据。

masked_select

import torch import numpy as np a=torch.rand(4,4) print(a) mask=a.ge(0.5) b=a.masked_select(mask) print(b) print(b.shape)

a．ge(0.5)表示a中大于0.5的为1，小于0.5的为0.然后以此为索引获取到a中对应的元素，获得的元素展开为一个一维向量。

torch.where(condition,x,y)

首先condition和x、y他们三个的shape应该是一致的

然后这个方法的意思就是说判断condition，如果conditon为1，则取x，否则取y

gather就是一个查表得过程

torch.gather(input,dim,index,out=None)这个表示在input的dim维度查找索引index所对应的值

import torch import numpy as np a=torch.randn(4,10) value,index1=a.topk(dim=1,k=3)#在dim=1维度找最大的3个值 label=torch.arange(10,20)#[10,11,12...19] a=torch.gather(label.expand(4,10),dim=1,index=index1) print(a)