Pytorch笔记：诡异的索引操作 + too many indices for tensor of dimension 1的一种解决方法

问题

too many indices for tensor of dimension 1

具体的错误信息忘记截图，大概就是上面的意思，对应的错误代码如下

错误代码

# 下面代码是博主自己随意码的，具体要说一下怎么解决这种问题
import torch
index = torch.tensor([20,10,25,39,5,12])  # 这些index的值，对应着point中的索引
point = torch.ones(2,40)
# 然后用index中的数对point进行各点取值
result_x = point[0,index]
result_y = point[1,index] 

分析

这段代码的作用：pytorch的切片操作大家估计很熟悉，一般都是连续的操作比如：

a[4:,]  # 从行的索引4开始向后取，列全取
a[:4,]  # 从行的第一行开始取，取到索引4，但不包括索引4，列全取

但是，如果你想取的值不是连续的呢？你取的数，都是分开的，那要怎么切片操作？？？

博主之前在训练一个模型的时候，因为不知道怎么用类似于切片的操作，对tensor进行并行取值，用了双层循环，一个索引一个索引的取，一个模型大概跑了三天多，然后昨天改了一天，训练时间变成了1天多，简直飞起。

就上面代码的执行，会报以下的错误：

too many indices for tensor of dimension 1

也就是说，index的tensor里的indices太多了。然后网上找了一大堆的解决方法，都没有用，最后因为我之前的一部分代码中，用的索引取值（二维的，但都是单个数值）时，报了错误，说是indices必须时long、byte、bool类型（好像是这样说，忘了忘了），然后我就把size为1*1的tensor，强制转换为long类型，然后随手把下面报错的代码（也就是文章开头的代码）中的indices都转换为long类型了，然后就不报错。

正确代码

# 下面代码是博主自己随意码的，具体要说一下怎么解决这种问题
import torch
index = torch.tensor([20,10,25,39,5,12])  # 这些index的值，对应着point中的索引
point = torch.ones(2,40)
# 然后用index中的数对point进行按点取值
result_x = point[0,index.long()]
result_y = point[1,index.long()]   #只要加上这个转换，

只要加上long转换，解决上面报的错误too many indices for tensor of dimension 1，然后就可以跟连续切片操作一样，进行并行的，按点取值，大大节省了训练时间。