Pytorch之gather的用法（易懂的方式解释）
百度了一圈gather的用法，看的一知半解，结合了几篇博客的讲解，终于理解了这个的用法，记录下来，用于以后忘记的时候自己可以快速复习，同时不懂得小伙伴也可以参考下我这得理解，或许能帮助到你！！！
首先了解下函数中的参数：
torch.gather(input, dim, index, out=None) → Tensor
Parameters:
input (Tensor) – The source tensor
dim (int) – The axis along which to index
index (LongTensor) – The indices of elements to gather
out (Tensor, optional) – Destination tensor
input ：需要索引的 tensor
dim ： 指索引的维度 （0代表横向 1代表纵向 以此类推）
index： 索引的下标
接下来直接上例子解释
import torch
b = torch.Tensor([[1,2,3],[4,5,6]])
index_1 = torch.LongTensor([[0,1],[2,0]])
index_2 = torch.LongTensor([[0,1,1],[0,0,0]])
print (torch.gather(b, dim=1, index=index_1))
print (torch.gather(b, dim=0, index=index_2))
输出：
tensor([[1., 2.],
[6., 4.]])
tensor([[1., 5., 6.],
[1., 2., 3.]])
第一个式子 dim=1：torch.gather(b, dim=1, index=index_1)
input ： b =
1，2，3
4，5，6
dim = 1 ：代表的是维度1也就是列
index =
0，1
2，0
了解了输入后我们分步进行解析
- index 的指就是代表对应维度，这里dim=1 ，0就代表第0列，1就代表第一列，2就代表第二列，我们先把每一个输出的值在input中的坐标的列写出来，注意一点，输出的shape也就是index的shape
（，0），（，1）
（，2），（，0）
这样我们就完成了每个输出所在input中的坐标的列的定位
- 接下来每个输出的定位横坐标。每个输出的横坐标，也就是所在输出的横坐标
（0，0），（0，1）
（1，2），（1，0）
- 最后用我们上面得到的坐标去获取input中对应的值
1，2
6，4
第二个式子 dim=0 ：torch.gather(b, dim=0, index=index_2)
input ： b =
1，2，3
4，5，6
dim = 0 ：代表的是维度0也就是行
index =
0，1，1
0，0，0
- 有了上个式子的经验，第一步当然是写出对应dim的坐标啦，这个式子dim=0，也就可以先写出横坐标，这里的横坐标，就是index对应的值
（0，），（1，），（1，）
（0，），（0，），（0，）
- 接下来写出纵坐标，纵坐标也就是输出所对应的纵坐标
（0，0），（1，1），（1，2）
（0，0），（0，1），（0，2）
- 最后写出对应input的值
1，5，6
1，2，3
有了上面两个式子的解释，现在可以总结出gather 的用法了
gather的用法就是index所提供要索引的dim维的位置，其余维度的位置也就是index对应的位置 ，也就是输出的坐标，把dim维的替换成index中对应的数字 。
还不理解的话，再举个官方的例子：
>>> t = torch.Tensor([[1,2],[3,4]])
>>> torch.gather(t, 1, torch.LongTensor([[0,0],[1,0]]))
1 1
4 3
[torch.FloatTensor of size 2x2]
index 的中每个元素的坐标为：
（0，0），（0，1）
（1，0），（1，1）
dim= 1 ，也就是把第二个维度的坐标替换成index中的值
（0，0），（0，0）
（1，1），（1，0）
最后写出对应input中的值
1，1
4，3
如果还不懂的话，推荐一个博客，看看别人的讲解吧：https://blog.csdn.net/edogawachia/article/details/80515038