torch.triu_indices¶
- torch.triu_indices(row, col, offset=0, *, dtype=torch.long, device='cpu', layout=torch.strided) Tensor ¶
返回一个 2xN 的张量,其中包含
row
行col
列矩阵上三角部分的索引,第一行包含所有索引的行坐标,第二行包含列坐标。索引根据行然后列进行排序。矩阵的上三角部分定义为对角线及其上方的元素。
参数
offset
控制要考虑的对角线。如果offset
= 0,则保留主对角线及其上方的所有元素。正值表示排除与主对角线上方相同数量的对角线,类似地,负值表示包含与主对角线下方相同数量的对角线。主对角线是索引集 ,其中 ,其中 是矩阵的维度。注意
在 CUDA 上运行时,
row * col
必须小于 以防止计算过程中发生溢出。- 参数
row (
int
) – 二维矩阵的行数。col (
int
) – 二维矩阵的列数。offset (
int
) – 从主对角线的偏移量。默认值:如果未提供,则为 0。
- 关键字参数
dtype (
torch.dtype
,可选) – 返回张量的所需数据类型。默认值:如果为None
,则为torch.long
。device (
torch.device
,可选) – 返回张量的所需设备。默认值:如果为None
,则使用默认张量类型的当前设备(请参阅torch.set_default_device()
)。对于 CPU 张量类型,device
将为 CPU;对于 CUDA 张量类型,device
将为当前 CUDA 设备。layout (
torch.layout
,可选) – 目前仅支持torch.strided
。
示例
>>> a = torch.triu_indices(3, 3) >>> a tensor([[0, 0, 0, 1, 1, 2], [0, 1, 2, 1, 2, 2]]) >>> a = torch.triu_indices(4, 3, -1) >>> a tensor([[0, 0, 0, 1, 1, 1, 2, 2, 3], [0, 1, 2, 0, 1, 2, 1, 2, 2]]) >>> a = torch.triu_indices(4, 3, 1) >>> a tensor([[0, 0, 1], [1, 2, 2]])