百度了一圈gather的用法，看的一知半解，结合了几篇博客的讲解，终于理解了这个的用法，记录下来，用于以后忘记的时候自己可以快速复习，同时不懂得小伙伴也可以参考下我这得理解，或许能帮助到你！！！
首先了解下函数中的参数：
torch.gather(input, dim, index, out=None) → Tensor
Parameters:
1 2 3 4 | input (Tensor) – The source tensor dim (int) – The axis along which to index index (LongTensor) – The indices of elements to gather out (Tensor, optional) – Destination tensor |
input ：需要索引的 tensor
dim ： 指索引的维度 （0代表横向 1代表纵向 以此类推）
index： 索引的下标
接下来直接上例子解释
1 2 3 4 5 6 7 | import torch b = torch.Tensor([[1,2,3],[4,5,6]]) index_1 = torch.LongTensor([[0,1],[2,0]]) index_2 = torch.LongTensor([[0,1,1],[0,0,0]]) print (torch.gather(b, dim=1, index=index_1)) print (torch.gather(b, dim=0, index=index_2)) |
输出：
1 2 3 4 | tensor([[1., 2.], [6., 4.]]) tensor([[1., 5., 6.], [1., 2., 3.]]) |
第一个式子 dim=1：torch.gather(b, dim=1, index=index_1)
input ： b =
1 2 | 1，2，3 4，5，6 |
dim = 1 ：代表的是维度1也就是列
index =
1 2 | 0，1 2，0 |
了解了输入后我们分步进行解析
- index 的指就是代表对应维度，这里dim=1 ，0就代表第0列，1就代表第一列，2就代表第二列，我们先把每一个输出的值在input中的坐标的列写出来，注意一点，输出的shape也就是index的shape
1 2 | （，0），（，1） （，2），（，0） |
这样我们就完成了每个输出所在input中的坐标的列的定位
- 接下来每个输出的定位横坐标。每个输出的横坐标，也就是所在输出的横坐标
1 2 | （0，0），（0，1） （1，2），（1，0） |
- 最后用我们上面得到的坐标去获取input中对应的值
1 2 | 1，2 6，4 |
第二个式子 dim=0 ：torch.gather(b, dim=0, index=index_2)
input ： b =
1 2 | 1，2，3 4，5，6 |
dim = 0 ：代表的是维度0也就是行
index =
1 2 | 0，1，1 0，0，0 |
- 有了上个式子的经验，第一步当然是写出对应dim的坐标啦，这个式子dim=0，也就可以先写出横坐标，这里的横坐标，就是index对应的值
1 2 | （0，），（1，），（1，） （0，），（0，），（0，） |
- 接下来写出纵坐标，纵坐标也就是输出所对应的纵坐标
1 2 | （0，0），（1，1），（1，2） （0，0），（0，1），（0，2） |
- 最后写出对应input的值
1 2 | 1，5，6 1，2，3 |
有了上面两个式子的解释，现在可以总结出gather 的用法了
gather的用法就是index所提供要索引的dim维的位置，其余维度的位置也就是index对应的位置 ，也就是输出的坐标，把dim维的替换成index中对应的数字 。
还不理解的话，再举个官方的例子：
1 2 3 4 5 | >>> t = torch.Tensor([[1,2],[3,4]]) >>> torch.gather(t, 1, torch.LongTensor([[0,0],[1,0]])) 1 1 4 3 [torch.FloatTensor of size 2x2] |
index 的中每个元素的坐标为：
1 2 | （0，0），（0，1） （1，0），（1，1） |
dim= 1 ，也就是把第二个维度的坐标替换成index中的值
1 2 | （0，0），（0，0） （1，1），（1，0） |
最后写出对应input中的值
1 2 | 1，1 4，3 |
如果还不懂的话，推荐一个博客，看看别人的讲解吧：https://blog.csdn.net/edogawachia/article/details/80515038