2维度tensor进行映射：3维度tensor进行映射：
gather其实是对input进行一种映射，index必须是
LongTensor格式。
b = torch.Tensor([[1,2,3],[4,5,6]]) print b 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 5 6 [torch.FloatTensor of size 2x3] 1 2 6 4 [torch.FloatTensor of size 2x2] 1 5 6 1 2 3 [torch.FloatTensor of size 2x3]
dim = 1时表示跨越列维度来对行维度进行映射。index_1中的[0, 1]代表选取b中的第一行列标为0， 1的元素。index_1中的[2,0]代表选取b中第二行列标为2，0的元素进行映射。
同理dim = 0时表示跨越行对列维度进行映射，index_2中第0列表示对b第0列的下标为0的行进行映射，index_2第1列表示对b第1列第1行和第0行进行映射。index_2第2列表示对b第2列的1行和0行进行映射。
import torch
import numpy as np
a = torch.LongTensor(np.arange(24)).view(2,3,4)
print(a)
'''
tensor([[[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]],
[[12, 13, 14, 15],
[16, 17, 18, 19],
[20, 21, 22, 23]]])
'''
index = torch.LongTensor([[[0 ,1 ,2 ,0],
[0, 0, 0 ,0],
[1, 1, 1, 1]],
[[2, 2, 2, 2],
[1, 1, 1, 1],
[0, 0, 0, 0]]])
b = torch.gather(a, 1, index)
print(b)
"""
tensor([[[ 0, 5, 10, 3],
[ 0, 1, 2, 3],
[ 4, 5, 6, 7]],
[[20, 21, 22, 23],
[16, 17, 18, 19],
[12, 13, 14, 15]]])
"""
我们设定dim=1，这时候映射的情况下，改变的只有第1个维度。对于例子中这个三维的张量a，对a[0]和a[1]两块，我们分别取出a[0]和a[1]的每一列，也就是[0，4，8]、[1，5，9]……[15，19，23]。每一列值之间第0个维度的索引和第2个维度的索引都是固定不变的，而改变的，只有dim=1的维度。这也是我们设定的。
同样的，取出index的这些列，也就是[0，0，1]、[1，0，1]……[2，1，0]，这些值恰巧就是 映射后的张量 每一列值的对映射前每一列值的索引（表示不太清楚）。
具体的，我们拿出张量b的这些列（b是映射后的张量），也就是[0，0，4]、[5，1，5]……[23，19，15]
我们拿出a，index，b，的第一列。分别是[0，4，8]，[0，0，1]，[0，0，4]，可以发现，index的列对a列的索引，刚好就是b的列。其余列也是一一对应。
3维部分引用CSDN博主「山坡上幼稚狗」
原文链接：https://blog.csdn.net/ccwlisha/article/details/101524389
