在看程序的时候看到了x[…, 0]的语句不是很理解，后来自己做实验略微了解，以此记录方便自己查看。

b=torch.Tensor([[[[10,2],[4,5],[7,8]],[[1,2],[4,5],[7,8]]]])
print(b.size())
(1, 2, 3, 2)
print(b[…,0])
tensor([[[10., 4., 7.],
[ 1., 4., 7.]]])
print(b[…,0].size())
(1, 2, 3)
print(b[…,2])
Traceback (most recent call last):
File “”, line 1, in
IndexError: index 2 is out of bounds for dimension 3 with size 2

print(b[0,…])
tensor([[[10., 2.],
[ 4., 5.],
[ 7., 8.]],
[[ 1., 2.],
[ 4., 5.],
[ 7., 8.]]])
print(b[0,…].size())
(2, 3, 2)

print(b[0,…,0].size())
(2, 3)
print(b[0,…,0])
tensor([[10., 4., 7.],
[ 1., 4., 7.]])

[…, 0]表示抽取tensor b的第4根轴上的第一列数字组成tensor，[0, …]表示抽取tensor b的第一根轴上的第一列数字组成tensor，[0, …, 0]表示抽取b的第一根和第四根轴上的第一列数字组成tensor。

还发现一个现象

print(b[…,0:])
tensor([[[[10., 2.],
[ 4., 5.],
[ 7., 8.]],
[[ 1., 2.],
[ 4., 5.],
[ 7., 8.]]]])

print(b[…,1:])
tensor([[[[2.],
[5.],
[8.]],
[[2.],
[5.],
[8.]]]])

print(b[…,2:])
tensor([], size=(1, 2, 3, 0))

补充：PyTorch中[..., 0]的使用案例

1. 示例1

import torch
a = torch.rand((17, 24, 8))
b = a[..., 0]
c = a[:, :, 0]
print(b == c)

结果为True

2. 示例2

import torch
a = torch.rand((64, 17, 24, 8))
b = a[..., 0]
c = a[:, :, :, 0]
print(b == c)

结果为True

3. 结论

可以看出[…, 0]相当于[:, :, … :, 0]

免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：mmqy2019@163.com进行举报，并提供相关证据，查实之后，将立刻删除涉嫌侵权内容。

猜你喜欢

• Python Django能做什么， 怎么应用

  这篇文章主要为大家详细介绍了Python利用Django完整的开发一个博客系统，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下

• Python代码调试有哪些技巧，pdb的调试怎样做

  这篇文章主要为大家介绍了Python代码的一些方便快捷的调试技巧，文中含有详细新的步骤操作，有需要的朋友可以借鉴参考下，希望能够有所帮助

• pyspark创建DataFrame怎么实现，如何配置DataFrame和临时表

  为了便于操作，使用pyspark时我们通常将数据转为DataFrame的形式来完成清洗和分析动作。

• 用Pytorch如何实现通过图片对猫狗分类，过程是怎样的

  看了许多关于PyTorch的入门文章,大抵是从torchvision.datasets中自带的数据集进行训练,导致很难把PyTorch运用于自己的数据集上,真正地灵活运用PyTorch,本文详细介绍了怎么利用Pytorch实现猫狗分类,需要的朋友可以参考下

• Django程序如何优化？教你三点技巧

  Django程序做优化还是很有必要的，在一定程度上能提高性能，但是要注意千万别过度性能优化。对此，下面小编就给大家分享一下Django程序的基本技巧，感兴趣的朋友可以参考。