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 矩阵下三角部分的所有索引在2-by-N张量中的坐标。第一行包含所有索引的行坐标，第二行包含列坐标。索引是先按照行再按照列进行排序。

矩阵的下三角部分是指对角线及其下方的所有元素。

参数 offset 控制要考虑哪条对角线。如果 offset = 0，则保留主对角线及其以下的所有元素。正值表示包括主对角线上方同样数量的对角线，负值则表示排除主对角线下方同样数量的对角线。主对角线上的索引集合是 $\lbrace (i, i) \rbrace$ ，其中$i \in [0, \min\{d_{1}, d_{2}\} - 1]$，$d_{1}, d_{2}$ 是矩阵的维度。

注意

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

参数

• row (int) – 表示二维矩阵的行数。

• col (int) - 2D矩阵的列数。

• offset (int) - 偏移量，从主对角线开始计算。默认值：如果没有指定，默认为 0。

关键字参数

• dtype (torch.dtype, 可选) - 返回的张量的数据类型。默认值：如果为 None，则使用 torch.long。

• device (torch.device, 可选) – 返回张量所需的设备。默认情况下，如果未指定 None，则使用当前的默认张量类型设备（参见torch.set_default_device()）。对于 CPU 张量类型，默认为 CPU 设备；对于 CUDA 张量类型，则为当前的 CUDA 设备。

• 布局 (torch.layout，可选) – 当前仅支持 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]])