移动端网站开发项目百度网络推广优化
torch.gather的定义：
torch.gather 是 PyTorch 中的一个张量操作函数，其作用是根据指定的维度（dim）和索引张量（index），从输入张量（input）中收集元素，生成一个与索引张量形状相同的输出张量。总体来说，就是维度dim和索引张量index决定一个收集数的规则，然后，基于这个规则从输入张量中获取需要的元素。
核心部分：
1.输入张量（input）：
- 任意形状的张量。
2.索引张量（index）：
-
形状必须与输入张量在除
dim外的其他维度上一致。 -
索引值必须在输入张量
dim维度的有效范围内（即0到size(dim)-1）。
3.输出张量（output）：
-
形状与索引张量相同。
-
每个元素的值由以下规则确定：
output[i][j][k] = input[i][index[i][j][k]][k] # 当 dim=1 时
举例详解：
示例 1：二维张量，dim=1
import torchinput = torch.tensor([[1, 2], [3, 4]])
index = torch.tensor([[0, 0], [1, 0]], dtype=torch.long)output = torch.gather(input, dim=1, index=index)
print(output)输出：
tensor([[1, 1],[4, 3]])解释：
输入是一个2x2的矩阵，因为dim是1，所以我们参考下面的公式：
output[i][j] = input[i][index[i][j]] # 当 dim=1 时
对于输出的第0行第0列（i = 0, j = 0），index对应的位置为0（因为index[0][0]为0），所以，对应的输出等于input[0][0]（即为1）。
对于输出的第0行第1列（i = 0, j = 1），index对应的位置为0（因为index[0][1]为0），所以，对应的输出等于input[0][0]（即为1）。
对于输出的第1行第0列（i = 1, j = 0），index对应的位置为1（因为index[1][0]为1），所以，对应的输出等于input[1][1]（即为4）。
对于输出的第1行第1列（i = 1, j = 1），index对应的位置为0（因为index[1][1]为0），所以，对应的输出等于input[1][0]（即为3）。
所以，最后的结果为：
tensor([[1, 1],[4, 3]]) 示例 2：二维张量，dim=0
import torchinput = torch.tensor([[1, 2], [3, 4]])
index = torch.tensor([[0, 0], [1, 0]], dtype=torch.long)output = torch.gather(input, dim=0, index=index)
print(output)输出：
tensor([[1, 2],[3, 2]])解释：
输入是一个2x2的矩阵，因为dim是0，所以我们参考下面的公式：
output[i][j] = input[index[i][j]][j] # 当 dim=0 时
对于输出的第0行第0列（i = 0, j = 0），index对应的位置为0（因为index[0][0]为0），所以，对应的输出等于input[0][0]（即为1）。
对于输出的第0行第1列（i = 0, j = 1），index对应的位置为0（因为index[0][1]为0），所以，对应的输出等于input[0][1]（即为2）。
对于输出的第1行第0列（i = 1, j = 0），index对应的位置为1（因为index[1][0]为1），所以，对应的输出等于input[1][0]（即为3）。
对于输出的第1行第1列（i = 1, j = 1），index对应的位置为0（因为index[1][1]为0），所以，对应的输出等于input[0][1]（即为2）。
所以，最后的结果为：
tensor([[1, 2],[3, 2]])