PyTorch 高级索引:使用嵌套索引列表高效批量赋值

风丽酱_8745

风丽酱_8745

2026-02-16

437人浏览

原创

PyTorch 高级索引:使用嵌套索引列表高效批量赋值

本文详解如何在 PyTorch 中避免显式 for 循环,利用 flatten() + 线性索引或 scatter_ 实现对二维张量按行动态索引并批量赋值,显著提升性能且保持代码简洁。

本文详解如何在 pytorch 中避免显式 for 循环,利用 `flatten()` + 线性索引或 `scatter_` 实现对二维张量按行动态索引并批量赋值,显著提升性能且保持代码简洁。

在 PyTorch 中,当需要根据每行不同的列索引列表(即“嵌套索引列表”)对二维张量进行批量赋值时,直接使用高级索引(如 x[rows, cols])会因子列表长度不一致而报错(如 IndexError: shape mismatch)。这是因为 PyTorch 要求用于高级索引的张量必须可广播(broadcastable),而变长列表无法直接转为统一形状的张量。

解决该问题的核心思路是:将二维索引映射为一维线性索引,再对展平后的张量执行单次向量化赋值。这既避免了 Python 循环开销,又完全利用了 GPU 张量运算的并行能力。

✅ 推荐方案:flatten() + 手动计算线性索引

假设输入张量 x 形状为 (n, m),list_of_indices[i] 表示第 i 行需修改的列下标列表。我们只需将每个 (i, j) 映射为全局索引 i * m + j:

import torch

n, m = 9, 4
x = torch.arange(0, n * m).reshape(n, m)
list_of_indices = [
    [], [2, 3], [1], [], [], [], [0, 1, 2, 3], [], [0, 3]
]

# 步骤 1:生成所有目标位置的线性索引(无需循环,纯列表推导)
indices = torch.tensor([
    i * m + j 
    for i, row_indices in enumerate(list_of_indices) 
    for j in row_indices
], dtype=torch.long)

# 步骤 2:对展平张量执行向量化赋值(in-place,零拷贝)
x.flatten()[indices] = -1

print(x)

? 关键说明:x.flatten() 返回的是原张量的视图(view)(底层内存未复制),因此 x.flatten()[indices] = -1 是真正的 in-place 操作,等价于直接修改 x。

PyTorch Linux版 2.11.0
PyTorch Linux版 2.11.0

PyTorch 2.11.0 历史版本下载,来自 PyPI 官方发布,适合旧项目兼容、实验复现和指定环境安装。

下载

⚙️ 替代方案:torch.scatter_

若需更显式的控制(例如支持重复索引、不同聚合方式),可使用 scatter_:

x_flat = x.flatten()
x_flat.scatter_(0, indices, -1)  # 原地写入
x = x_flat.view_as(x)  # 恢复原始形状(view_as 确保 shape & stride 严格匹配)

注意:scatter_ 默认对重复索引执行最后写入生效(last-write-wins),与 flatten()[indices] = val 行为一致;如需其他语义(如累加),可改用 scatter_add_。

⚠️ 注意事项与最佳实践

  • 索引合法性校验:上述方法不自动检查越界。建议在生产环境中添加断言:
    assert indices.min() >= 0 and indices.max() 
  • 空列表安全:列表推导式天然跳过空子列表(for j in [] 不执行),无需额外处理。
  • 设备一致性:确保 indices 与 x 位于同一设备(如均在 CUDA 上):
    indices = indices.to(x.device)
  • 性能对比:对于大张量(如 x.shape = (10000, 100)),该方法比 Python for 循环比快 10–100 倍(取决于 GPU 利用率)。

✅ 总结

方法 是否 in-place 是否需手动展平 适用场景
x.flatten()[indices] = val ✅ 是 ✅ 是 简洁、高效、推荐首选
x.flatten().scatter_(0, indices, val).view_as(x) ✅ 是 ✅ 是 需要 scatter 特性(如重复索引控制)

掌握线性索引映射技巧,是写出高性能 PyTorch 代码的关键一步——它让“动态每行索引”这一常见需求,从 O(n) 循环降为 O(1) 向量化操作。

相关文章

PHP速学视频免费教程(入门到精通)
PHP速学视频免费教程(入门到精通)

PHP怎么学习?PHP怎么入门?PHP在哪学?PHP怎么学才快?不用担心,这里为大家提供了PHP速学教程(入门到精通),有需要的小伙伴保存下载就能学习啦!

下载

相关标签:

pytorch

本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

相关专题

更多
pytorch是干嘛的
pytorch是干嘛的

pytorch是一个基于python的深度学习框架,提供以下主要功能:动态图计算,提供灵活性。强大的张量操作,实现高效处理。自动微分,简化梯度计算。预构建的神经网络模块,简化模型构建。各种优化器,用于性能优化。想了解更多pytorch的相关内容,可以阅读本专题下面的文章。

2024.05.29

2663

8

Python AI机器学习PyTorch教程_Python怎么用PyTorch和TensorFlow做机器学习
Python AI机器学习PyTorch教程_Python怎么用PyTorch和TensorFlow做机器学习

PyTorch 是一种用于构建深度学习模型的功能完备框架,是一种通常用于图像识别和语言处理等应用程序的机器学习。 使用Python 编写,因此对于大多数机器学习开发者而言,学习和使用起来相对简单。 PyTorch 的独特之处在于,它完全支持GPU,并且使用反向模式自动微分技术,因此可以动态修改计算图形。

2025.12.22

68

5

Navicat创建数据库教程
Navicat创建数据库教程

本专题整理Navicat创建数据库相关教程,介绍新建前的准备、基础设置和创建后的检查方法。内容兼顾入门学习及实际使用需求,帮助用户了解不同数据库类型下的操作差异,为后续建表、保存数据和日常管理提供参考。

2026.11.20

0

7

Navicat入门教程大全
Navicat入门教程大全

本专题整理Navicat入门教程,从认识软件界面到开展数据库操作,介绍初次使用需要了解的知识和方法。内容兼顾连接配置、数据管理及日常使用中的疑问,方便用户按学习进度查阅,为后续实践和独立操作打好基础。

2026.11.20

0

17

Navicat数据库连接配置指南
Navicat数据库连接配置指南

从确认数据库信息到建立可用连接,本专题串联Navicat连接数据库的相关知识和操作方法。既有初次配置时需要了解的基础内容,也有连接后的检查思路,方便用户按实际需求查阅教程,逐步熟悉数据库连接的设置流程。

2026.11.20

0

10

PHP8.6数组与数据处理教程
PHP8.6数组与数据处理教程

本专题汇总PHP8.6数组与数据处理教程,涵盖CSV读取和导出、引用遍历删除、array_filter回调模式、配置键名冲突、pathinfo文件名校验、GMP大整数进制转换及UTF-8正则筛选,说明升级兼容变化、输入范围和失败处理方法。

2026.11.20

0

8

PHP8.6升级迁移教程
PHP8.6升级迁移教程

本专题汇总PHP8.6升级迁移与弃用接口改造教程,涵盖反射调用、对象属性赋值、标识符更名、构造函数与__debugInfo调整,以及插件类名检查、常量导出、ArrayIterator排序、SPL和DTO查询参数转换,帮助梳理弃用提示并完成代码兼容改造。

2026.11.20

0

10

PHP8.6安装配置与FPM运维教程
PHP8.6安装配置与FPM运维教程

本专题汇总PHP8.6正式版安装部署与FPM运维教程,涵盖Linux并存安装、独立ini配置、扩展重新编译、Nginx切换与回滚、FPM状态监控和慢日志排查,以及环境变量、请求超时、OPcache刷新和预加载配置。

2026.11.20

0

10

Nginx CVE-2026-123007排查与防护指南
Nginx CVE-2026-123007排查与防护指南

Nginx HTTP/2漏洞该怎么修复?本专题围绕CVE-2026-123007,介绍安全版本升级、模块兼容检查和配置恢复方法,以及日志排查、权限设置等后续加固操作,方便你按实际部署情况查找对应教程。

2026.11.20

20

8

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
相关推荐
/
热门推荐
/
最新课程