pypto.Tensor索引功能说明#

Tensor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 SymbolicScalar，slice，Ellipsis(…)。
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 start:end:step），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: 1

Gather 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dim，Tensor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 SymbolicScalar，slice，Ellipsis(…)。
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 start:end:step），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slice，key.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]]

pypto.Tensor索引功能说明#

一、__getitem__#

功能说明#

函数原型#

参数说明#

返回值说明#

约束说明#

使用示例#

二、__setitem__#

功能说明#

函数原型#

参数说明#

返回值说明#

约束说明#

使用示例#

一、getitem#

二、setitem#