官方說(shuō)明

gather可以對(duì)一個(gè)Tensor進(jìn)行聚合，聲明為：torch.gather(input, dim, index, out=None) → Tensor

一般來(lái)說(shuō)有三個(gè)參數(shù)：輸入的變量input、指定在某一維上聚合的dim、聚合的使用的索引index，輸出為T(mén)ensor類(lèi)型的結(jié)果（index必須為L(zhǎng)ongTensor類(lèi)型）。

#參數(shù)介紹：
input (Tensor) – The source tensor
dim (int) – The axis along which to index
index (LongTensor) – The indices of elements to gather
out (Tensor, optional) – Destination tensor
#當(dāng)輸入為三維時(shí)的計(jì)算過(guò)程：
out[i][j][k] = input[index[i][j][k]][j][k]  # dim=0
out[i][j][k] = input[i][index[i][j][k]][k]  # dim=1
out[i][j][k] = input[i][j][index[i][j][k]]  # dim=2
#樣例：
t = torch.Tensor([[1,2],[3,4]])
torch.gather(t, 1, torch.LongTensor([[0,0],[1,0]]))
#    1  1
#    4  3
#[torch.FloatTensor of size 2x2]

實(shí)驗(yàn)

用下面的代碼在二維上做測(cè)試，以便更好地理解

t = torch.Tensor([[1,2,3],[4,5,6]])
index_a = torch.LongTensor([[0,0],[0,1]])
index_b = torch.LongTensor([[0,1,1],[1,0,0]])
print(t)
print(torch.gather(t,dim=1,index=index_a))
print(torch.gather(t,dim=0,index=index_b))

輸出為：

>>tensor([[1., 2., 3.],
        [4., 5., 6.]])
>>tensor([[1., 1.],
        [4., 5.]])
>>tensor([[1., 5., 6.],
        [4., 2., 3.]])

由于官網(wǎng)給的計(jì)算過(guò)程不太直觀，下面給出較為直觀的解釋?zhuān)?/h2>

對(duì)于index_a，dim為1表示在第二個(gè)維度上進(jìn)行聚合，索引為列號(hào)，[[0,0],[0,1]]表示結(jié)果的第一行取原數(shù)組第一行列號(hào)為[0,0]的數(shù)，也就是[1,1]，結(jié)果的第二行取原數(shù)組第二行列號(hào)為[0,1]的數(shù)，也就是[4,5]，這樣就得到了輸出的結(jié)果[[1,1],[4,5]]。

對(duì)于index_b，dim為0表示在第一個(gè)維度上進(jìn)行聚合，索引為行號(hào)，[[0,1,1],[1,0,0]]表示結(jié)果的第一行第d（d=0,1,2）列取原數(shù)組第d列行號(hào)為[0,1,1]的數(shù)，也就是[1,5,6]，類(lèi)似的，結(jié)果的第二行第d列取原數(shù)組第d列行號(hào)為[1,0,0]的數(shù)，也就是[4,2,3]，這樣就得到了輸出的結(jié)果[[1,5,6],[4,2,3]]

接下來(lái)以index_a為例直接用官網(wǎng)的式子計(jì)算一遍加深理解：

output[0,0] = input[0,index[0,0]]  #1 = input[0,0]
output[0,1] = input[0,index[0,1]]  #1 = input[0,0]
output[1,0] = input[1,index[1,0]]  #4 = input[1,0]
output[1,1] = input[1,index[1,1]]  #5 = input[1,1]

注

以下兩種寫(xiě)法得到的結(jié)果是一樣的：

r1 = torch.gather(t,dim=1,index=index_a)

r2 = t.gather(1,index_a)

補(bǔ)充：Pytorch中的torch.gather函數(shù)的個(gè)人理解

最近在學(xué)習(xí)pytorch時(shí)遇到gather函數(shù)，開(kāi)始沒(méi)怎么理解，后來(lái)查閱網(wǎng)上相關(guān)資料后大概明白了原理。

gather()函數(shù)

在pytorch中，gather()函數(shù)的作用是將數(shù)據(jù)從input中按index提出，我們看gather函數(shù)的的官方文檔說(shuō)明如下：

torch.gather(input, dim, index, out=None) → Tensor
    Gathers values along an axis specified by dim.
    For a 3-D tensor the output is specified by:

    out[i][j][k] = input[index[i][j][k]][j][k]  # dim=0
    out[i][j][k] = input[i][index[i][j][k]][k]  # dim=1
    out[i][j][k] = input[i][j][index[i][j][k]]  # dim=2

    Parameters: 

        input (Tensor) – The source tensor
        dim (int) – The axis along which to index
        index (LongTensor) – The indices of elements to gather
        out (Tensor, optional) – Destination tensor

    Example:

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

可以看出，在gather函數(shù)中我們用到的主要有三個(gè)參數(shù)：

1）input：輸入

2）dim：維度，常用的為0和1

3）index：索引位置

貼一段代碼舉例說(shuō)明：

a=t.arange(0,16).view(4,4)
print(a)

index_1=t.LongTensor([[3,2,1,0]])
b=a.gather(0,index_1)
print(b)

index_2=t.LongTensor([[0,1,2,3]]).t()#tensor轉(zhuǎn)置操作：(a)T=a.t()
c=a.gather(1,index_2)
print(c)

輸出如下：

tensor([[ 0,  1,  2,  3],
        [ 4,  5,  6,  7],
        [ 8,  9, 10, 11],
        [12, 13, 14, 15]])
       
tensor([[12,  9,  6,  3]])

tensor([[ 0],
        [ 5],
        [10],
        [15]])

在gather中，我們是通過(guò)index對(duì)input進(jìn)行索引把對(duì)應(yīng)的數(shù)據(jù)提取出來(lái)的，而dim決定了索引的方式。

在上面的例子中，a是一個(gè)4×4矩陣：

1）當(dāng)維度dim=0，索引index_1為[3,2,1,0]時(shí)，此時(shí)可將a看成1×4的矩陣，通過(guò)index_1對(duì)a每列進(jìn)行行索引：第一列第四行元素為12，第二列第三行元素為9，第三列第二行元素為6，第四列第一行元素為3，即b=[12,9,6,3]；

2）當(dāng)維度dim=1，索引index_2為[0,1,2,3]T時(shí)，此時(shí)可將a看成4×1的矩陣，通過(guò)index_1對(duì)a每行進(jìn)行列索引：第一行第一列元素為0，第二行第二列元素為5，第三行第三列元素為10，第四行第四列元素為15，即c=[0,5,10,15]T；

總結(jié)

gather函數(shù)在提取數(shù)據(jù)時(shí)主要靠dim和index這兩個(gè)參數(shù)，dim=1時(shí)將input看為n×1階矩陣,index看為k×1階矩陣，取index每行元素對(duì)input中每行進(jìn)行列索引（如：index某行為[1,3,0],對(duì)應(yīng)的input行元素為[9,8,7,6],提取后的結(jié)果為[8,6,9])；

同理，dim=0時(shí)將input看為1×n階矩陣,index看為1×k階矩陣，取index每列元素對(duì)input中每列進(jìn)行行索引。

gather函數(shù)提取后的矩陣階數(shù)和對(duì)應(yīng)的index階數(shù)相同。

以上為個(gè)人經(jīng)驗(yàn)，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。