torch.triu_indices

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

返回一个 row 行 col 列矩阵上三角部分的索引，以 2 行 N 列的 Tensor 形式返回，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。

矩阵的上三角部分定义为对角线及其以上的元素。

参数 offset 控制考虑哪个对角线。如果 offset = 0，则保留对角线及其以上的所有元素。正值会排除与主对角线相同数量的上对角线，同样，负值会包含与主对角线相同数量的下对角线。主对角线是索引集合 $\lbrace (i, i) \rbrace$ ，其中 $i \in [0, \min\{d_{1}, d_{2}\} - 1]$ 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.triu_indices(3, 3)
>>> a
tensor([[0, 0, 0, 1, 1, 2],
        [0, 1, 2, 1, 2, 2]])

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

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