torch.nonzero¶
- torch.nonzero(input, *, out=None, as_tuple=False) LongTensor or tuple of LongTensors ¶
注意
torch.nonzero(..., as_tuple=False)
(默认) 返回一个二维张量,其中每一行都是非零值的索引。torch.nonzero(..., as_tuple=True)
返回一维索引张量的元组,允许高级索引,因此x[x.nonzero(as_tuple=True)]
给出张量x
的所有非零值。在返回的元组中,每个索引张量都包含某个维度的非零索引。有关这两种行为的更多详细信息,请参见下文。
当
input
在 CUDA 上时,torch.nonzero()
会导致主机-设备同步。**当**
as_tuple
**为**False
**(默认)时**返回一个张量,其中包含
input
中所有非零元素的索引。结果中的每一行都包含input
中非零元素的索引。结果按字典顺序排序,最后一个索引变化最快(C 样式)。如果
input
有 维度,那么得到的索引张量out
的大小为 ,其中 是input
张量中非零元素的总数。**当**
as_tuple
**为**True
**时**返回一个一维张量的元组,一个对应
input
中的每个维度,每个都包含input
中所有非零元素的索引(在该维度中)。如果
input
有 个维度,那么结果元组将包含 个大小为 的张量,其中 是input
张量中非零元素的总数。作为特例,当
input
具有零个维度并且具有非零标量值时,它被视为具有一个元素的一维张量。- 参数
input (Tensor) – 输入张量。
- 关键字参数
out (LongTensor, optional) – 包含索引的输出张量
- 返回值
如果
as_tuple
为False
,则输出包含索引的张量。如果as_tuple
为True
,则每个维度都包含一个 1-D 张量,包含该维度上每个非零元素的索引。- 返回类型
LongTensor 或 tuple of LongTensor
示例
>>> torch.nonzero(torch.tensor([1, 1, 1, 0, 1])) tensor([[ 0], [ 1], [ 2], [ 4]]) >>> torch.nonzero(torch.tensor([[0.6, 0.0, 0.0, 0.0], ... [0.0, 0.4, 0.0, 0.0], ... [0.0, 0.0, 1.2, 0.0], ... [0.0, 0.0, 0.0,-0.4]])) tensor([[ 0, 0], [ 1, 1], [ 2, 2], [ 3, 3]]) >>> torch.nonzero(torch.tensor([1, 1, 1, 0, 1]), as_tuple=True) (tensor([0, 1, 2, 4]),) >>> torch.nonzero(torch.tensor([[0.6, 0.0, 0.0, 0.0], ... [0.0, 0.4, 0.0, 0.0], ... [0.0, 0.0, 1.2, 0.0], ... [0.0, 0.0, 0.0,-0.4]]), as_tuple=True) (tensor([0, 1, 2, 3]), tensor([0, 1, 2, 3])) >>> torch.nonzero(torch.tensor(5), as_tuple=True) (tensor([0]),)