高阶操作（where和gather函数）

1、where

torch.where(condition, x, y) → Tensor
三个参数，condition是选择条件，x是第一个源头1，y是源头2

原理：当满足condition条件时，输出tensor对应位置为x中该位置元素，反之为y中该位置元素。

cond = torch.tensor([[0.6, 0.7],[0.8, 0.2]])

a = torch.zeros(2,2)
b = torch.ones(2,2)

torch.where(cond>0.5, a, b)

2、gather

torch.gather(input ,dim, index)
其中，input是储存待取元素的tensor，
	 dim是操作的维度， 
  	 index里各元素是索引值，从input中取每个索引值对应的元素

实例理解：
神经网络作手写数字分类（这里数字设为100-109），模型输出结果shape：(4,10)，其中10表示每个目标对应十个数字分别的预测概率大小。想得到最终的结果是，对每个目标，预测最可能的三个数字结果，故最终shape为（4，3）

prob = torch.rand(4, 10)

idx = prob.topk(3, dim=1)
idx

idx = idx[1]
idx

label = torch.arange(10)+100

torch.gather(label.expand(4, 10), dim=1, index=idx.long())
# .long()函数作用是向下取整，得到的不是float格式。在这里用不用效果都一样

最终的结果含义是：比如第一行，对第一个目标预测，该目标最可能的数字是106、102和107中的某一个。