PyTorch中torch.gather()函数

一. torch.gather()函数

官方文档：torch.gather函数，定义：从原tensor中获取指定dim和指定index的数据。
看到这个核心定义，我们很容易想到gather()的基本想法其实就类似从完整数据中按索引取值般简单，比如下面从列表中按索引取值：

lst = [1, 2, 3, 4, 5]
value = lst[2]  # value = 3
value = lst[2:4]  # value = [3, 4]

上面的取值例子是取单个值或具有逻辑顺序序列的例子，而对于深度学习常用的批量tensor数据来说，我们的需求可能是选取其中多个且乱序的值，此时gather()就是一个很好的tool，它可以帮助我们从批量tensor中取出指定乱序索引下的数据，因此其用途如下：
用途：方便从批量tensor中获取指定索引下的数据，该索引是高度自定义化的，可乱序的。

二. 举例

找个3x3的二维矩阵做个实验：

import torch
tensor_0 = torch.arange(3, 12).view(3, 3)
print(tensor_0)

输出结果：

tensor([[ 3,  4,  5],
        [ 6,  7,  8],
        [ 9, 10, 11]])

2.1 输入行向量index，并替换行索引(dim=0)

index = torch.tensor([[2, 1, 0]])
tensor_1 = tensor_0.gather(0, index)
print(tensor_1)

输出结果如下：

tensor([[9, 7, 5]])

过程如图所示：

2.2 输入行向量index，并替换列索引(dim=1)

index = torch.tensor([[2, 1, 0]])
tensor_1 = tensor_0.gather(1, index)
print(tensor_1)

输出结果

tensor([[5, 4, 3]])

过程如图所示：

2.3 输入列向量index，并替换列索引(dim=1)

index = torch.tensor([[2, 1, 0]]).t()
tensor_1 = tensor_0.gather(1, index)
print(tensor_1)

输出结果如下：

tensor([[5],
        [7],
        [9]])

过程如图所示：

2.4 输入二维矩阵index，并替换列索引(dim=1)

index = torch.tensor([[0, 2], 
                      [1, 2]])
tensor_1 = tensor_0.gather(1, index)
print(tensor_1)

输出结果:

tensor([[3, 5],
        [7, 8]])

过程如上

三. 总结

从上面例子，可以归纳出torch.gather()的使用要点：

1. 输入index的shape等于输出value的shape
2. 输入index的索引值仅替换该index中对应dim的index值
3. 最终输出为替换index后在原tensor中的值

四. 一句话简单理解

torch.gather的理解：
index=[ [x1,x2,x2],
[y1,y2,y2],
[z1,z2,z3] ]

如果dim=0
填入方式
[ [(x1,0),(x2,1),(x3,2)]
[(y1,0),(y2,1),(y3,2)]
[(z1,0),(z2,1),(z3,2)] ]

如果dim=1
[ [(0,x1),(0,x2),(0,x3)]
[(1,y1),(1,y2),(1,y3)]
[(2,z1),(2,z2),(2,z3)] ]

五. 参考链接

https://zhuanlan.zhihu.com/p/352877584