torch.nonzero

torch.nonzero(input, *, out=None, as_tuple=False) → LongTensor or tuple of LongTensors

注意

torch.nonzero(..., as_tuple=False)（預設）返回一個二維張量，其中每一行都是非零值的索引。

torch.nonzero(..., as_tuple=True) 返回一個一維索引張量的元組，允許進行高階索引，因此 x[x.nonzero(as_tuple=True)] 會給出張量 x 的所有非零值。返回的元組中，每個索引張量包含特定維度的非零索引。

有關這兩種行為的更多詳細資訊，請參見下方。

當 input 在 CUDA 上時，torch.nonzero() 會導致主機與裝置同步。

當 as_tuple 為 False （預設）時

返回一個張量，其中包含 input 中所有非零元素的索引。結果中的每一行都包含 input 中一個非零元素的索引。結果按字典順序排序，最後一個索引變化最快（C 風格）。

如果 input 有 $n$ 個維度，則生成的索引張量 out 的大小為 $(z \times n)$，其中 $z$ 是 input 張量中非零元素的總數。`

當 as_tuple 為 True 時

返回一個一維張量的元組，元組中的每個張量對應 input 的一個維度，幷包含該維度中所有非零元素的索引。

如果 input 有 $n$ 個維度，則返回的元組包含 $n$ 個大小為 $z$ 的張量，其中 $z$ 是 input 張量中非零元素的總數。`

作為特例，當 input 具有零維度且為非零標量值時，它被視為具有一個元素的一維張量。

引數

input (Tensor) – 輸入張量。

關鍵字引數

out (LongTensor, 可選) – 包含索引的輸出張量

返回

如果 as_tuple 為 False，則返回包含索引的輸出張量。如果 as_tuple 為 True，則返回每個維度一個一維張量，其中包含沿該維度的每個非零元素的索引。

返回型別

LongTensor 或 tuple of LongTensor

示例

>>> torch.nonzero(torch.tensor([1, 1, 1, 0, 1]))
tensor([[ 0],
        [ 1],
        [ 2],
        [ 4]])
>>> torch.nonzero(torch.tensor([[0.6, 0.0, 0.0, 0.0],
...                             [0.0, 0.4, 0.0, 0.0],
...                             [0.0, 0.0, 1.2, 0.0],
...                             [0.0, 0.0, 0.0,-0.4]]))
tensor([[ 0,  0],
        [ 1,  1],
        [ 2,  2],
        [ 3,  3]])
>>> torch.nonzero(torch.tensor([1, 1, 1, 0, 1]), as_tuple=True)
(tensor([0, 1, 2, 4]),)
>>> torch.nonzero(torch.tensor([[0.6, 0.0, 0.0, 0.0],
...                             [0.0, 0.4, 0.0, 0.0],
...                             [0.0, 0.0, 1.2, 0.0],
...                             [0.0, 0.0, 0.0,-0.4]]), as_tuple=True)
(tensor([0, 1, 2, 3]), tensor([0, 1, 2, 3]))
>>> torch.nonzero(torch.tensor(5), as_tuple=True)
(tensor([0]),)