生成一维张量作为2D张量行的独特索引（保持订单和原始索引）

Question

这个问题是

假设我们通过给出每个行，不同行的不同索引，从0行数-1 。

[[1,4],[1,3],[1,2]] -> [0,1,2]

但是，如果有相同的行，我们将重复索引，如下所示，“原始”索引为k-1，对于k -

[[1,4],[1,2],[1,2]] -> [0,1,1]

如果没有重复该行（如下面的第三行），其索引应为其原始索引，它是k-1的k -th Row（例如2 for 2 for [1,4]）。

[[1,3],[1,3],[1,4]] -> [0,0,2]

一个更长的例子：

[[1,2],[4,3],[1,4],[1,4],[4,3],[1,2],[5,6],[7,8]] -> [0,1,2,2,1,0,6,7]

如何在pytorch上实施它？

Answer 1

以下解决方案是矢量化的，但依赖于Numpy的unique函数。

>>> x = np.array([[1,2],[4,3],[1,4],[1,4],[4,3],[1,2],[5,6],[7,8]])
>>> _, index, inverse = np.unique(x, return_index=True, return_inverse=True, axis=0)
>>> index[inverse]
array([0, 1, 2, 2, 1, 0, 6, 7])

Answer 2

请参阅@michael的非矢量化解决方案，

 d = {}; torch.tensor([d.setdefault(tuple(i.tolist()), e) for e, i in enumerate(t4)]) 

另一个非矢量化解决方案是

t4_list = t4.tolist(); torch.tensor(list(map(lambda x: t4_list.index(x), t4)))