我在 PyTorch 中看到过这种用于索引张量的语法，但不确定它的含义：
v = torch.div(t, n[:, None])
where v, t, and n是张量。
“的作用是什么？None“在这里？我在文档中似乎找不到它。
与 NumPy 类似，您可以插入单个维度（“松开”一个维度）通过索引这个维度None。反过来n[:, None]将产生插入新尺寸的效果dim=1。这相当于n.unsqueeze(dim=1):
>>> n = torch.rand(3, 100, 100)
>>> n[:, None].shape
(3, 1, 100, 100)
>>> n.unsqueeze(1).shape
(3, 1, 100, 100)
以下是一些其他类型的None索引.
在上面的例子中:被用作占位符来指定第一个维度dim=0。如果您想插入尺寸dim=2，您可以添加第二个: as n[:, :, None].
你也可以place None相反，相对于最后一个维度。为此，您可以使用ellipsis syntax ...:
-
n[..., None]最后将插入一个尺寸，i.e. n.unsqueeze(dim=-1).
-
n[..., None, :]在前最后一个维度上，i.e. n.unsqueeze(dim=-2).
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
