torch.tril_indices

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

返回一个 row -by- col 矩阵下三角部分的索引，以一个 2-by-N Tensor 的形式，其中第一行包含所有索引的行坐标，第二行包含列坐标。索引按行优先然后按列排序。

矩阵的下三角部分定义为对角线及其以下的元素。

参数 offset 控制考虑哪个对角线。如果 offset = 0，则保留主对角线及其以下的全部元素。正数值包括与主对角线以上相同数量的对角线，同样，负数值排除与主对角线以下相同数量的对角线。主对角线是索引集合 $\lbrace (i, i) \rbrace$ 对于 $i \in [0, \min\{d_{1}, d_{2}\} - 1]$ ，其中 $d_{1}, d_{2}$ 是矩阵的维度。

注意

在 CUDA 上运行时， row * col 必须小于 $2^{59}$ ，以防止计算过程中的溢出。

参数:

• 行（ int ）- 2-D 矩阵中的行数。

• 列（ int ）- 2-D 矩阵中的列数。

• 偏移量（ int ）- 从主对角线到对角线的偏移量。默认：如果没有提供，则为 0。

关键字参数:

• 数据类型（ torch.dtype ，可选）- 返回张量的期望数据类型。默认：如果 None ， torch.long 。

• device ( torch.device ，可选) – 返回张量的期望设备。默认：如果 None ，则使用当前设备用于默认张量类型（见 torch.set_default_device() ）。 device 将是 CPU 张量类型的 CPU 和 CUDA 张量类型的当前 CUDA 设备。

• 布局（ torch.layout ，可选）- 目前仅支持 torch.strided 。

示例：

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

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

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