如何在 PyTorch 中访问和修改张量的值？

Z时代
2024-01-10
分类：综合

我们使用索引和切片来访问张量的值。索引用于访问张量的单个元素的值，而切片用于访问元素序列的值。

我们使用赋值运算符来修改张量的值。使用赋值运算符分配新值/秒将使用新值/秒修改张量。

脚步

导入所需的库。在这里，所需的库是torch。
定义PyTorch张量。
使用索引访问特定索引处的单个元素的值或使用slicing访问元素序列的值。
使用赋值运算符用新值修改访问的值。
最后，打印张量以检查是否使用新值修改了张量。

示例 1

# Python program to access and modify values of a tensor in PyTorch
# Import the libraries
import torch
# Define PyTorch Tensor
a = torch.Tensor([[3, 5],[1, 2],[5, 7]])
print("a:\n",a)
# Access a value at index [1,0]-> 2nd row, 1st Col using indexing
b = a[1,0]
print("a[1,0]:\n", b)
# Other indexing method to access value
c = a[1][0]
print("a[1][0]:\n",c)
# Modifying the value 1 with new value 9
# assignment operator is used to modify with new value
a[1,0] = 9
print("tensor 'a' after modifying value at a[1,0]:")
print("a:\n",a)

输出结果

a:
tensor([[3., 5.],
         [1., 2.],
         [5., 7.]])
a[1,0]:
   tensor(1.)
a[1][0]:
   tensor(1.)
tensor 'a' after modifying value at a[1,0]:
a:
tensor([[3., 5.],
         [9., 2.],
         [5., 7.]])

示例 2

# Python program to access and modify values of a tensor in PyTorch
# Import necessary libraries
import torch
# Define PyTorch Tensor
a = torch.Tensor([[3, 5],[1, 2],[5, 7]])
print("a:\n", a)
# Access all values of 2nd row using slicing
b = a[1]
print("a[1]:\n", a[1])
# Access all values of 1st and 2nd rows
b = a[0:2]
print("a[0:2]:\n" , a[0:2])
# Access all values of 2nd col
c = a[:,1]
print("a[:,1]:\n", a[:,1])
# Access values from first two rows but 2nd col
print("a[0:2, 1]:\n", a[0:2, 1])
# assignment operator is used to modify with new value
# Modifying the values of 2nd row
a[1] = torch.Tensor([9, 9])
print("After modifying a[1]:\n", a)
# Modify values of first two rows but 2nd col
a[0:2, 1] = torch.Tensor([4, 4])
print("After modifying a[0:2, 1]:\n", a)

输出结果

a:
tensor([[3., 5.],
         [1., 2.],
         [5., 7.]])
a[1]:
   tensor([1., 2.])
a[0:2]:
   tensor([[3., 5.],
         [1., 2.]])
a[:,1]:
   tensor([5., 2., 7.])
a[0:2, 1]:
   tensor([5., 2.])
After modifying a[1]:
   tensor([[3., 5.],
            [9., 9.],
            [5., 7.]])
After modifying a[0:2, 1]:
tensor([[3., 4.],
         [9., 4.],
         [5., 7.]])