作用:取出特定维度索引的值。

torch.gather(input,dim,index,out=None,sparse_grad=False)

举个例子

import torch
a=torch.tensor([
[1,2,3,4,5],
[6,7,8,9,10],
[11,12,13,14,15],
])
index=torch.tensor([
[0,2],
[3,4],
[1,4]
])
print(torch.gather(a,1,index))

输出

tensor([[ 1,  3],
        [ 9, 10],
        [12, 15]])

1 在指定的维度上，index维度要和tensor可以不一致。

2 除了指定的维度上，index维度要和tensor必须一致。

上例中a的维度为（3，5），指定维度为1，那么在维度0上，a和index的0维度都为3。在指定维度1上，a的1维度为5，index的1维度为2。1

意思是：

在维度0上（也就是0行）取维度1的（也就是列）第0和第2个数值：第0个是1，第2个是3。

在维度0上（也就是1行）取维度1的（也就是列）第3和第4个数值：第3个是9，第4个是10。

在维度0上（也就是2行）取维度1的（也就是列）第1和第4个数值：第1个是12，第4个是15。

例2

import torch 
a=torch.tensor([[[1,2,3],
                [4,5,6],
                [7,8,9]
                ],
               [[11,22,33],
                [44,55,66],
                [77,88,99]
               ]])
hi=torch.tensor([[[1],[1],[1]],[[1],[1],[1]]])
b=torch.gather(a,-1,hi+1)
print(b)

输出：

torch.Size([2, 3, 1])
tensor([[[ 3],
         [ 6],
         [ 9]],

        [[33],
         [66],
         [99]]])

这个例子讲个反向思路：

我们知道要提取3，6，9，3，33，66，99这6个数，

a的维度为     index的维度
2                2          #不是指定维度，保持不动
3                3          #不是指定维度，保持不动 
3                1          #是指定维度，写入需要的索引值

假如我们要取 2，3，5，6，8，9，22，33，55，66，88，99这几个值

首先明确维度为2，那么index维度为2，3，[-2,-1]

index=[

[],[]

]

index=[

[[],[],[]],

[[],[],[]]

]
index=[
[[1,2],[1,2],[1,2]],
[[1,2],[1,2],[1,2]],
]

import torch
a=torch.tensor([[[1,2,3],
                [4,5,6],
                [7,8,9]
                ],
               [[11,22,33],
                [44,55,66],
                [77,88,99]
               ]])
index=torch.tensor([
[[1,2],[1,2],[1,2]],
[[1,2],[1,2],[1,2]],
])
print(index.shape)
b=torch.gather(a,-1,index)
print(b)

输出

torch.Size([2, 3, 2])
tensor([[[ 2,  3],
         [ 5,  6],
         [ 8,  9]],

        [[22, 33],
         [55, 66],
         [88, 99]]])

error:

gather_out_cuda():expected dtype int64 for index

解决办法：把index的数据类型转换为long。

例如：

temp=torch.ones(1,63,268,1)
temp2=temp.type(torch.long).to(device)
a=torch.gather(input,-1,temp2)