4

我一直在尝试学习张量运算，而这个让我陷入了困境。
假设我有一个张量 t：

    t = torch.tensor([
        [1,0,0,2],
        [0,3,3,0],
        [4,0,0,5]
    ], dtype  = torch.float32)

现在这是一个等级 2 的张量，我们可以为每个等级/维度应用 argmax。假设我们将它应用于 dim = 1

t.max(dim = 1)
(tensor([2., 3., 5.]), tensor([3, 2, 3]))

现在我们可以看到结果与预期的一样，沿 dim =1 的张量有 2,3 和 5 作为最大元素。但是在 3 上有一个冲突。有两个值完全相似。
它是如何解决的？是随意选择的吗？是否有选择像LR，更高的索引值的顺序？
我将不胜感激有关如何解决此问题的任何见解！

4

1 回答 1

4

这是一个很好的问题，我自己偶然发现了几次。最简单的答案是，不能保证torch.argmax（或torch.max(x, dim=k)，在指定 dim 时也返回索引）将始终返回相同的索引。相反，它将返回任何有效索引到 argmax 值，可能是随机的。正如官方论坛中的这个线程所讨论的，这被认为是期望的行为。（我知道我不久前读过的另一个线程使这一点更加明确，但我再也找不到它了）。

话虽如此，由于这种行为对我的用例来说是不可接受的，所以我编写了以下函数来查找最左边和最右边的索引（请注意，这condition是您传入的函数对象）：

def __consistent_args(input, condition, indices):
    assert len(input.shape) == 2, 'only works for batch x dim tensors along the dim axis'
    mask = condition(input).float() * indices.unsqueeze(0).expand_as(input)
    return torch.argmax(mask, dim=1)


def consistent_find_leftmost(input, condition):
    indices = torch.arange(input.size(1), 0, -1, dtype=torch.float, device=input.device)
    return __consistent_args(input, condition, indices)


def consistent_find_rightmost(input, condition):
    indices = torch.arange(0, input.size(1), 1, dtype=torch.float, device=input.device)
    return __consistent_args(input, condition, indices)

# one example:
consistent_find_leftmost(torch.arange(10).unsqueeze(0), lambda x: x>5)                                                                                                                                     
# will return: 
# tensor([6])

希望他们会有所帮助！（哦，如果您有更好的实现，请告诉我）

于 2019-03-13T16:06:46.287 回答