一维张量不同子集的计算方法
一维张量不同子集的计算方法
提问于 2022-01-25 07:52:45
想象一下以下场景：
data = torch.Tensor([0.5,0.4,1.2,1.1,0.4,0.4])
indices = torch.Tensor([0,1,1,2,2,2])我想要实现的是:通过data中的样本子集计算indices索引的平均值
subset_means == torch.Tensor([0.5, 0.8, 0.8, 0.63, 0.63, 0.63])到目前为止，我还没有想出令人满意的解决办法。
回答 1
Stack Overflow用户
回答已采纳
发布于 2022-01-25 10:37:35
可以使用Tensor.index_put根据某些索引数组累积数组的值。通过这种方式，您可以将属于同一索引的所有值进行汇总。在下面的片段中，我使用了一个单独的调用，其中包含了一个仅包含一个数组的调用，用于计算每个索引的出现数，从而能够从和中计算出平均值：
import torch
data = torch.tensor([0.5,0.4,1.2,1.1,0.4,0.4])
indices = torch.tensor([0,1,1,2,2,2]).to(torch.long)
# sum groups according to indices
accum = torch.zeros((indices.max()+1, )).index_put((indices,), data, accumulate=True)
# count groups according to indices
cnt = torch.zeros((indices.max()+1,)).index_put((indices,), torch.ones((1,)), accumulate=True)
# compute means and expand according to indices
subset_means = (accum / cnt)[indices]
print(subset_means)
#subset_means == torch.Tensor([0.5, 0.8, 0.8, 0.63, 0.63, 0.63])页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/70845096
复制相关文章
相似问题
腾讯云开发者
