index_sample¶

paddle. index_sample ( x, index ) [源代码] ¶

对输入 x 中的元素进行批量抽样，取 index 指定的对应下标的元素，按 index 中出现的先后顺序组织，填充为一个新的 Tensor。

x 与 index 都是 2-D Tensor。index 的第一维度与输入 x 的第一维度必须相同，index 的第二维度没有大小要求，可以重复索引相同下标元素。

参数¶

x （Tensor）– 输入的二维 Tensor，数据类型为 int32、int64、bfloat16、float16、float32、float64。

index （Tensor）– 包含索引下标的二维 Tensor。数据类型为 int32、int64。

返回¶

Tensor，数据类型与输入 x 相同，维度与 index 相同。

代码示例¶

          >>> import paddle

>>> x = paddle.to_tensor([[1.0, 2.0, 3.0, 4.0],
...                       [5.0, 6.0, 7.0, 8.0],
...                       [9.0, 10.0, 11.0, 12.0]], dtype='float32')
>>> index = paddle.to_tensor([[0, 1, 2],
...                           [1, 2, 3],
...                           [0, 0, 0]], dtype='int32')
>>> target = paddle.to_tensor([[100, 200, 300, 400],
...                            [500, 600, 700, 800],
...                            [900, 1000, 1100, 1200]], dtype='int32')
>>> out_z1 = paddle.index_sample(x, index)
>>> print(out_z1.numpy())
[[1. 2. 3.]
 [6. 7. 8.]
 [9. 9. 9.]]

>>> # Use the index of the maximum value by topk op
>>> # get the value of the element of the corresponding index in other tensors
>>> top_value, top_index = paddle.topk(x, k=2)
>>> out_z2 = paddle.index_sample(target, top_index)
>>> print(top_value.numpy())
[[ 4.  3.]
 [ 8.  7.]
 [12. 11.]]

>>> print(top_index.numpy())
[[3 2]
 [3 2]
 [3 2]]

>>> print(out_z2.numpy())
[[ 400  300]
 [ 800  700]
 [1200 1100]]

         