這里，我們介紹其中一種方法，即torch.scatter_()函數(shù)

import torch label = torch.zeros(3, 6) #首先生成一個(gè)全零的多維數(shù)組 print("label：",label) a = torch.ones(3,5)b = [[0,1,2],[0,1,3],[1,2,3]] #這里需要解釋的是，b的行數(shù)要小于等于label的行數(shù)，列數(shù)要小于等于a的列數(shù) print(a) label.scatter_(1,torch.LongTensor(b),a) #參數(shù)解釋：‘1’：需要賦值的維度；‘torch.LongTensor(b)’：需要賦值的索引；‘a(chǎn)’：要賦的值 print("new_label: ",label)

輸出：
?

label： tensor([[0., 0., 0., 0., 0., 0.],[0., 0., 0., 0., 0., 0.],[0., 0., 0., 0., 0., 0.]]) tensor([[1., 1., 1., 1., 1.],[1., 1., 1., 1., 1.],[1., 1., 1., 1., 1.]]) new_label: tensor([[1., 1., 1., 0., 0., 0.],[1., 1., 0., 1., 0., 0.],[0., 1., 1., 1., 0., 0.]])

可以實(shí)現(xiàn)相同功能的函數(shù)還有：index_fill_(dim, index, val) ；index_put_(indices, value)

2.index_fill_(dim, index, val)
dim:要填充的維度
index:要填充的索引
val:要填充的值
與上面的用法類似

3.index_put_(indices, value)
indices：要填充的索引，與上面不同的是，這里直接使用的是要填充值的行和列
value：要填充的值

用法：

a = torch.zeros([5,5]) index = (torch.LongTensor([0,1]),torch.LongTensor([1,2])#生成索引 value = torch.Tensor([1,1]) #生成要填充的值 a.index_put_(index), value)

這就是上述三種方法，歡迎大家留言交流！

總結(jié)

以上是生活随笔為你收集整理的pytorch之tensor按索引赋值，三种方法！的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。