pypto.Tensor索引功能说明【免费下载链接】pyptoPyPTO发音: pai p-t-oParallel Tensor/Tile Operation编程范式。项目地址: https://gitcode.com/cann/pyptoTensor索引是Tensor的核心操作之一用于从Tensor中筛选、提取或修改特定位置的元素。通过索引操作开发者可精准获取Tensor中的部分数据如单个元素、子Tensor、特定维度数据或对指定位置元素进行赋值修改。一、__getitem__功能说明通过索引或切片的方式从Tensor中获取子Tensor或单个元素等该方法支持多种索引模式提供了灵活且直观的数据访问方式。函数原型def __getitem__(self, key, *, valid_shape: Optional[List[Union[int, SymbolicScalar]]] None)参数说明参数名输入/输出说明key输入Tensor索引用于获取Tensor对应位置的数据。支持类型- int 或 SymbolicScalar符号标量: 单个整数索引。- slice: 切片对象。- tuple: 多维索引的组合类型包括int 或 SymbolicScalarsliceEllipsis(...)。valid_shape输入表示输出Tensor有效数据的大小。返回值说明返回对应索引位置的Tensor数据。约束说明1.对于slice切片对象格式为 startstep当前功能暂时不支持step设置, 值默认固定为1。未支持示例a[1:2:2, :] 。2.当前功能暂时不支持bool类型索引。未支持示例a[True, False, True, False] 。3.当前功能暂时不支持Tensor类型索引。未支持示例a[b](b pypto.Tensor([2], pypto.DT_INT32)。使用示例全切片slice使用切片获取Tensor的子区域a pypto.tensor([4, 4], pypto.DT_FP32) b a[:2, :2] #等价于view(a, [2, 2], [0, 0])结果示例如下输入数据a: [[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12], [13, 14, 15, 16]] 输出数据b: [[1, 2], [5, 6]]混合索引和切片结合整数索引和切片可以降低维度并提取特定行或列。a pypto.tensor([4, 4], pypto.DT_FP32) b a[1, 1:3] #等价于先view(a, [1, 2], [1, 1])再reshape为 [2]结果示例如下输入数据a: [[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12], [13, 14, 15, 16]] 输出数据b: [6, 7]负数索引支持 Python 风格的负索引从末尾开始计数。a pypto.tensor([4, 4], pypto.DT_FP32) b a[-1, -3:-1] #等价于s[3, 1:3]结果示例如下输入数据a: [[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12], [13, 14, 15, 16]] 输出数据b: [14, 15]省略号 ...使用 ... 自动填充中间的所有维度简化多维索引。a pypto.tensor([4, 4], pypto.DT_FP32) b a[..., 1:3] #等价于s[:, 1:3]结果示例如下输入数据a: [[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12], [13, 14, 15, 16]] 输出数据b: [[2, 3], [6, 7], [10, 11], [14, 15]]单元素访问整数索引取出Tensor的单个元素仅支持 DT_INT32 类型。a pypto.tensor([4, 4], pypto.DT_INT32) b a[0, 0] #返回SymbolicScalar结果示例如下输入数据a: [[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12], [13, 14, 15, 16]] 输出数据b: 1Gather 操作当索引为[int:Tensor]的形式时执行gather操作索引中int类型对应dimTensor类型对应index该切片语法等价于Tensor.gather(dim, index)。a pypto.tensor([4, 4], pypto.DT_FP32) index pypto.tensor([1, 4], pypto.DT_INT32) b a[0:index] #调用gather(a, 0, index)结果示例如下输入数据a: [[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12], [13, 14, 15, 16]] 输入数据index: [[0, 1, 2, 3]] 输出数据b: [[1, 6, 11, 16]]二、__setitem__功能说明通过索引或切片的方式向Tensor的指定位置赋值。函数原型def __setitem__(self, key, value)参数说明参数名输入/输出说明key输入Tensor索引用于获取Tensor对应位置的数据。支持类型- int 或 SymbolicScalar符号标量: 单个整数索引。- slice: 切片对象。- tuple: 多维索引的组合类型包括int 或 SymbolicScalarsliceEllipsis(...)。value输入需要设置的值类型支持Tensor或标量float/int。返回值说明返回对应位置赋值后的Tensor。约束说明1.对于slice切片对象格式为 startstep当前功能暂时不支持step设置, 值默认固定为1。未支持示例a[1:2:2, :] 。2.当前功能暂时不支持bool类型索引。未支持示例a[True, False, True, False] 。3.当前功能暂时不支持Tensor类型索引。未支持示例a[b](b pypto.Tensor([2], pypto.DT_INT32)。使用示例全切片slice使用切片将一个小Tensor组装到大Tensor的指定位置。a pypto.Tensor([4, 4], pypto.DT_FP32) b pypto.Tensor([2, 2], pypto.DT_FP32) a[0:, 0:] b #等价于assemble(b, (0, 0), a)结果示例如下输入数据a: [[0, 0, 0, 0], [0, 0, 0, 0], [0, 0, 0, 0], [0, 0, 0, 0]] 输入数据b: [[10, 10] [10, 10]] 输出数据a: [[10, 10, 0, 0], [10, 10, 0, 0], [0, 0, 0, 0], [0, 0, 0, 0]]混合索引和切片结合整数索引和切片可以对特定行或列进行操作。a pypto.Tensor([4, 4], pypto.DT_FP32) b pypto.Tensor([2], pypto.DT_FP32) a[0, 1:3] b #b被reshape为(1, 2),等价于pypto.assemble(b, (0, 1), a)结果示例如下输入数据a: [[0, 0, 0, 0], [0, 0, 0, 0], [0, 0, 0, 0], [0, 0, 0, 0]] 输入数据b: [10, 10] 输出数据a: [[0, 10, 10, 0], [0, 0, 0, 0], [0, 0, 0, 0], [0, 0, 0, 0]]负索引支持 Python 风格的负索引从末尾开始计数。a pypto.Tensor([4, 4], pypto.DT_FP32) b pypto.Tensor([2], pypto.DT_FP32) a[-1, -3:-1] b #等价于a[3, 1:3]结果示例如下输入数据a: [[0, 0, 0, 0], [0, 0, 0, 0], [0, 0, 0, 0], [0, 0, 0, 0]] 输入数据b: [10, 10] 输出数据a: [[0, 0, 0, 0], [0, 0, 0, 0], [0, 0, 0, 0], [0, 10, 10, 0]]省略号 ...使用 ... 可以自动填充中间维度。a pypto.Tensor([4, 4], pypto.DT_FP32) b pypto.Tensor([2, 2], pypto.DT_FP32) a[..., 2:4] b #等价于a[0:2, 2:4]结果示例如下输入数据a: [[0, 0, 0, 0], [0, 0, 0, 0], [0, 0, 0, 0], [0, 0, 0, 0]] 输入数据b: [[10, 10] [10, 10]] 输出数据a: [[0, 0, 10, 10], [0, 0, 10, 10], [0, 0, 0, 0], [0, 0, 0, 0]]单元素赋值整数索引对单个元素赋值仅支持 DT_INT32 类型。a pypto.Tensor([4, 4], pypto.DT_INT32) a[2, 3] 5 #调用SetTensorData结果示例如下输入数据a: [[0, 0, 0, 0], [0, 0, 0, 0], [0, 0, 0, 0], [0, 0, 0, 0]] 输出数据a: [[0, 0, 0, 0], [0, 0, 0, 0], [0, 0, 0, 5], [0, 0, 0, 0]]Scatter 操作当key为slicekey.start为int key.stop 为 Tensor时(a[start:stop] )执行 scatter 操作。a pypto.Tensor([4, 4], pypto.DT_FP32) indices pypto.Tensor([1, 4], pypto.DT_INT32) # 索引Tensor values pypto.Tensor([1, 4], pypto.DT_FP32) # 在维度0上进行scatter a[0:indices] values #调用pypto.scatter(a, 0, indices, values)结果示例如下输入数据a: [[0, 0, 0, 0], [0, 0, 0, 0], [0, 0, 0, 0], [0, 0, 0, 0]] 输入数据indices[[0, 1, 2, 3]] 输入数据values[[10, 10, 10, 10]] 输出数据a: [[10, 0, 0, 0], [0, 10, 0, 0], [0, 0, 10, 0], [0, 0, 0, 10]]【免费下载链接】pyptoPyPTO发音: pai p-t-oParallel Tensor/Tile Operation编程范式。项目地址: https://gitcode.com/cann/pypto创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
CANN/pypto Tensor索引功能
pypto.Tensor索引功能说明【免费下载链接】pyptoPyPTO发音: pai p-t-oParallel Tensor/Tile Operation编程范式。项目地址: https://gitcode.com/cann/pyptoTensor索引是Tensor的核心操作之一用于从Tensor中筛选、提取或修改特定位置的元素。通过索引操作开发者可精准获取Tensor中的部分数据如单个元素、子Tensor、特定维度数据或对指定位置元素进行赋值修改。一、__getitem__功能说明通过索引或切片的方式从Tensor中获取子Tensor或单个元素等该方法支持多种索引模式提供了灵活且直观的数据访问方式。函数原型def __getitem__(self, key, *, valid_shape: Optional[List[Union[int, SymbolicScalar]]] None)参数说明参数名输入/输出说明key输入Tensor索引用于获取Tensor对应位置的数据。支持类型- int 或 SymbolicScalar符号标量: 单个整数索引。- slice: 切片对象。- tuple: 多维索引的组合类型包括int 或 SymbolicScalarsliceEllipsis(...)。valid_shape输入表示输出Tensor有效数据的大小。返回值说明返回对应索引位置的Tensor数据。约束说明1.对于slice切片对象格式为 startstep当前功能暂时不支持step设置, 值默认固定为1。未支持示例a[1:2:2, :] 。2.当前功能暂时不支持bool类型索引。未支持示例a[True, False, True, False] 。3.当前功能暂时不支持Tensor类型索引。未支持示例a[b](b pypto.Tensor([2], pypto.DT_INT32)。使用示例全切片slice使用切片获取Tensor的子区域a pypto.tensor([4, 4], pypto.DT_FP32) b a[:2, :2] #等价于view(a, [2, 2], [0, 0])结果示例如下输入数据a: [[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12], [13, 14, 15, 16]] 输出数据b: [[1, 2], [5, 6]]混合索引和切片结合整数索引和切片可以降低维度并提取特定行或列。a pypto.tensor([4, 4], pypto.DT_FP32) b a[1, 1:3] #等价于先view(a, [1, 2], [1, 1])再reshape为 [2]结果示例如下输入数据a: [[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12], [13, 14, 15, 16]] 输出数据b: [6, 7]负数索引支持 Python 风格的负索引从末尾开始计数。a pypto.tensor([4, 4], pypto.DT_FP32) b a[-1, -3:-1] #等价于s[3, 1:3]结果示例如下输入数据a: [[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12], [13, 14, 15, 16]] 输出数据b: [14, 15]省略号 ...使用 ... 自动填充中间的所有维度简化多维索引。a pypto.tensor([4, 4], pypto.DT_FP32) b a[..., 1:3] #等价于s[:, 1:3]结果示例如下输入数据a: [[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12], [13, 14, 15, 16]] 输出数据b: [[2, 3], [6, 7], [10, 11], [14, 15]]单元素访问整数索引取出Tensor的单个元素仅支持 DT_INT32 类型。a pypto.tensor([4, 4], pypto.DT_INT32) b a[0, 0] #返回SymbolicScalar结果示例如下输入数据a: [[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12], [13, 14, 15, 16]] 输出数据b: 1Gather 操作当索引为[int:Tensor]的形式时执行gather操作索引中int类型对应dimTensor类型对应index该切片语法等价于Tensor.gather(dim, index)。a pypto.tensor([4, 4], pypto.DT_FP32) index pypto.tensor([1, 4], pypto.DT_INT32) b a[0:index] #调用gather(a, 0, index)结果示例如下输入数据a: [[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12], [13, 14, 15, 16]] 输入数据index: [[0, 1, 2, 3]] 输出数据b: [[1, 6, 11, 16]]二、__setitem__功能说明通过索引或切片的方式向Tensor的指定位置赋值。函数原型def __setitem__(self, key, value)参数说明参数名输入/输出说明key输入Tensor索引用于获取Tensor对应位置的数据。支持类型- int 或 SymbolicScalar符号标量: 单个整数索引。- slice: 切片对象。- tuple: 多维索引的组合类型包括int 或 SymbolicScalarsliceEllipsis(...)。value输入需要设置的值类型支持Tensor或标量float/int。返回值说明返回对应位置赋值后的Tensor。约束说明1.对于slice切片对象格式为 startstep当前功能暂时不支持step设置, 值默认固定为1。未支持示例a[1:2:2, :] 。2.当前功能暂时不支持bool类型索引。未支持示例a[True, False, True, False] 。3.当前功能暂时不支持Tensor类型索引。未支持示例a[b](b pypto.Tensor([2], pypto.DT_INT32)。使用示例全切片slice使用切片将一个小Tensor组装到大Tensor的指定位置。a pypto.Tensor([4, 4], pypto.DT_FP32) b pypto.Tensor([2, 2], pypto.DT_FP32) a[0:, 0:] b #等价于assemble(b, (0, 0), a)结果示例如下输入数据a: [[0, 0, 0, 0], [0, 0, 0, 0], [0, 0, 0, 0], [0, 0, 0, 0]] 输入数据b: [[10, 10] [10, 10]] 输出数据a: [[10, 10, 0, 0], [10, 10, 0, 0], [0, 0, 0, 0], [0, 0, 0, 0]]混合索引和切片结合整数索引和切片可以对特定行或列进行操作。a pypto.Tensor([4, 4], pypto.DT_FP32) b pypto.Tensor([2], pypto.DT_FP32) a[0, 1:3] b #b被reshape为(1, 2),等价于pypto.assemble(b, (0, 1), a)结果示例如下输入数据a: [[0, 0, 0, 0], [0, 0, 0, 0], [0, 0, 0, 0], [0, 0, 0, 0]] 输入数据b: [10, 10] 输出数据a: [[0, 10, 10, 0], [0, 0, 0, 0], [0, 0, 0, 0], [0, 0, 0, 0]]负索引支持 Python 风格的负索引从末尾开始计数。a pypto.Tensor([4, 4], pypto.DT_FP32) b pypto.Tensor([2], pypto.DT_FP32) a[-1, -3:-1] b #等价于a[3, 1:3]结果示例如下输入数据a: [[0, 0, 0, 0], [0, 0, 0, 0], [0, 0, 0, 0], [0, 0, 0, 0]] 输入数据b: [10, 10] 输出数据a: [[0, 0, 0, 0], [0, 0, 0, 0], [0, 0, 0, 0], [0, 10, 10, 0]]省略号 ...使用 ... 可以自动填充中间维度。a pypto.Tensor([4, 4], pypto.DT_FP32) b pypto.Tensor([2, 2], pypto.DT_FP32) a[..., 2:4] b #等价于a[0:2, 2:4]结果示例如下输入数据a: [[0, 0, 0, 0], [0, 0, 0, 0], [0, 0, 0, 0], [0, 0, 0, 0]] 输入数据b: [[10, 10] [10, 10]] 输出数据a: [[0, 0, 10, 10], [0, 0, 10, 10], [0, 0, 0, 0], [0, 0, 0, 0]]单元素赋值整数索引对单个元素赋值仅支持 DT_INT32 类型。a pypto.Tensor([4, 4], pypto.DT_INT32) a[2, 3] 5 #调用SetTensorData结果示例如下输入数据a: [[0, 0, 0, 0], [0, 0, 0, 0], [0, 0, 0, 0], [0, 0, 0, 0]] 输出数据a: [[0, 0, 0, 0], [0, 0, 0, 0], [0, 0, 0, 5], [0, 0, 0, 0]]Scatter 操作当key为slicekey.start为int key.stop 为 Tensor时(a[start:stop] )执行 scatter 操作。a pypto.Tensor([4, 4], pypto.DT_FP32) indices pypto.Tensor([1, 4], pypto.DT_INT32) # 索引Tensor values pypto.Tensor([1, 4], pypto.DT_FP32) # 在维度0上进行scatter a[0:indices] values #调用pypto.scatter(a, 0, indices, values)结果示例如下输入数据a: [[0, 0, 0, 0], [0, 0, 0, 0], [0, 0, 0, 0], [0, 0, 0, 0]] 输入数据indices[[0, 1, 2, 3]] 输入数据values[[10, 10, 10, 10]] 输出数据a: [[10, 0, 0, 0], [0, 10, 0, 0], [0, 0, 10, 0], [0, 0, 0, 10]]【免费下载链接】pyptoPyPTO发音: pai p-t-oParallel Tensor/Tile Operation编程范式。项目地址: https://gitcode.com/cann/pypto创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
