torch.triu_indices

torch.triu_indices(row, col, offset=0, *, dtype=torch.long, device='cpu', layout=torch.strided) → Tensor

返回 row x col 矩陣的上三角部分的索引，為一個 2 行 N 列的 Tensor。其中第一行包含所有索引的行座標，第二行包含列座標。索引按照行然後列的順序排序。

矩陣的上三角部分定義為對角線及上方的元素。

引數 offset 控制要考慮的對角線。如果 offset = 0，則保留主對角線及上方的所有元素。正值會排除主對角線上方相同數量的對角線，類似地，負值會包含主對角線下方相同數量的對角線。主對角線是索引集合 $\lbrace (i, i) \rbrace$，其中 $i \in [0, \min\{d_{1}, d_{2}\} - 1]$，$d_{1}, d_{2}$ 是矩陣的維度。

注意

在 CUDA 上執行時，row * col 必須小於 $2^{59}$ 以防止計算期間溢位。

引數

• row (int) – 2-D 矩陣中的行數。

• col (int) – 2-D 矩陣中的列數。

• offset (int) – 相對於主對角線的偏移量。預設值：如果未提供，則為 0。

關鍵字引數

• dtype (torch.dtype, optional) – 返回 tensor 所需的資料型別。預設值：如果為 None，則為 torch.long。

• device (torch.device, optional) – 返回 tensor 所需的裝置。預設值：如果為 None，則使用預設 tensor 型別的當前裝置（參見 torch.set_default_device()）。對於 CPU tensor 型別，device 將是 CPU；對於 CUDA tensor 型別，將是當前 CUDA 裝置。

• layout (torch.layout, optional) – 目前僅支援 torch.strided。

示例

>>> a = torch.triu_indices(3, 3)
>>> a
tensor([[0, 0, 0, 1, 1, 2],
        [0, 1, 2, 1, 2, 2]])

>>> a = torch.triu_indices(4, 3, -1)
>>> a
tensor([[0, 0, 0, 1, 1, 1, 2, 2, 3],
        [0, 1, 2, 0, 1, 2, 1, 2, 2]])

>>> a = torch.triu_indices(4, 3, 1)
>>> a
tensor([[0, 0, 1],
        [1, 2, 2]])