如何更新张量？

Question

我在使用以前的张量更新张量时遇到了一些麻烦。我的问题：假设我有一个张量 x1 [Nx1] 和一个通过前一个 x2 [Nx1] 计算的新张量。现在我想更新 x2 小于 x1 的元素。我正在使用 dtype=torch.cuda.FloatTensor。

This is the straight code in Python:

import numpy as np
...
index     = np.where(x1 > x2)
x2[index] = x1[index]

Why can I do this using PyTorch with dtype=torch.cuda.FloatTensor? And if the x1 change to [NxD]

谢谢！

Answer 1

代码看起来与 numpy 非常相似：

idx = (x1 > x2)
x2[idx] = x1[idx]

使用一些预定义数组并打印 x2:

x1 = torch.from_numpy(np.array([1, 2, 3, 4, 5])).float().cuda()
x2 = torch.from_numpy(np.array([3, 3, 3, 3, 3])).float().cuda()

3 3 3 4 5 [torch.cuda.FloatTensor of size 5 (GPU 0)]

NxN 维张量的代码相同。使用：

x1 = torch.from_numpy(np.array([[1, 2, 5], [1, 4, 5]])).float().cuda()
x2 = torch.from_numpy(np.array([[3, 3, 3], [3, 3, 3]])).float().cuda()

3 3 5
3 4 5 [torch.cuda.FloatTensor of size 2x3 (GPU 0)]

How to update a Tensor?