1. 索引操作與NumPy非常類似， 主要包含下標索引、 表示式索引、 使用torch.where()與Tensor.clamp()的選擇性索引。

 1 import torch 
 2 
 3 a = torch.Tensor([[0,1],[2,3]])
 4 print(a, a.size())
 5 >> tensor([[0., 1.],
 6         [2., 3.]]) torch.Size([2, 2])
 7 
 8 # 根據下標進行索引
 9 print(a[1])
10 >> tensor([2., 3.])
11 print(a[0,1])
 
12 >> tensor(1.)
13 
14 # 選擇a中大於0的元素， 返回和a相同大小的Tensor， 符合條件的置1， 否則置0
15 b = a>0
16 print(b)
17 >> tensor([[False,  True],
18         [ True,  True]])
19 
20 # 選擇符合條件的元素並返回， 等價於torch.masked_select(a, a>0)
21 c= a[a>0]
22 print(c)
23 >> tensor([1., 2., 3.])
24 
25 # 選擇非0元素的座標， 並返回
26
 
 d = torch.nonzero(a)
27 print(d)
28 >> tensor([[0, 1],
29         [1, 0],
30         [1, 1]])
31 
32 # torch.where(condition, x, y)， 滿足condition的位置輸出x， 否則輸出y
33 e = torch.where(a>1, torch.full_like(a,1), a)
34 print(e)
35 >> tensor([[0., 1.],
36         [1., 1.]])
37 
38 # 對Tensor元素進行限制可以使用clamp()函式， 示例如下， 限制最小值為1， 最大值為2
 

39 f = a.clamp(1, 2)
40 print(f)
41 >> tensor([[1., 1.],
42         [2., 2.]])

2.