在操作张量时，经常要去获取某些元素进行处理或者修改操作，在这里需要了解torch中的索引操作。

准备数据：

python">data = torch.randint(0,10,[4,5])
print('data--->',data)

输出结果：

data---> tensor([[3, 9, 4, 0, 5],[7, 5, 9, 9, 7],[5, 9, 8, 9, 7],[9, 2, 6, 7, 7]])

• 简单行、列索引

  python">print('第一行：',data[0])
  print('第一列：',data[:,0])
  

  输出结果：

  第一行： tensor([3, 9, 4, 0, 5])
  第一列： tensor([3, 7, 5, 9])
  

• 列表索引

  python">print('-----------------返回(0,1)、(1,2) 2个位置的元素------------------')
  print(data[[0,1],[1,2]])
  print('-----------------返回0、1 行的1、2 列共4个元素------------------')
  print(data[[[0],[1]],[1,2]])
  

  输出结果：

  -----------------返回(0,1)、(1,2) 2个位置的元素------------------
  tensor([9, 9])
  -----------------返回0、1 行的1、2 列共4个元素------------------
  tensor([[9, 4],[5, 9]])
  

• 范围索引

  python">print('-----------------前3行、前2列的数据------------------')
  print(data[:3,:2])
  print('-----------------第2行到最后的前2列数据------------------')
  print(data[2:,:2])
  

  输出结果：

  -----------------前3行、前2列的数据------------------
  tensor([[3, 9],[7, 5],[5, 9]])
  -----------------第2行到最后的前2列数据------------------
  tensor([[5, 9],[9, 2]])
  

• 布尔索引

  python">print('-----------------第三列大于5的行数据------------------')
  print(data[data[:,2] > 5])
  print('-----------------第二行大于5的行数据------------------')
  print(data[:,data[1] > 5])
  

  输出结果：

  -----------------第三列大于5的行数据------------------
  tensor([[7, 5, 9, 9, 7],[5, 9, 8, 9, 7],[9, 2, 6, 7, 7]])
  -----------------第二行大于5的行数据------------------
  tensor([[3, 4, 0, 5],[7, 9, 9, 7],[5, 8, 9, 7],[9, 6, 7, 7]])
  

• 多维索引

  python">data = torch.randint(0,10,[3,4,5])
  print(data)
  # 获取0轴上的第一个数据
  print(data[0,:,:])
  # 获取1轴上的第一个数据
  print(data[:,0,:])
  # 获取2轴上的第一个数据
  print(data[:,:,0])
  

  输出结果：

  tensor([[[8, 3, 6, 1, 5],[5, 0, 4, 3, 8],[8, 3, 3, 5, 0],[6, 4, 0, 8, 4]],[[7, 2, 3, 8, 5],[6, 2, 9, 5, 0],[4, 2, 7, 1, 1],[5, 4, 4, 1, 1]],[[2, 4, 7, 2, 5],[6, 1, 4, 5, 6],[9, 2, 3, 1, 0],[2, 1, 2, 7, 9]]])
  tensor([[8, 3, 6, 1, 5],[5, 0, 4, 3, 8],[8, 3, 3, 5, 0],[6, 4, 0, 8, 4]])
  tensor([[8, 3, 6, 1, 5],[7, 2, 3, 8, 5],[2, 4, 7, 2, 5]])
  tensor([[8, 5, 8, 6],[7, 6, 4, 5],[2, 6, 9, 2]])