如何使用字典更改张量中的值？

当我有如下的张量和字典时，如何将字典映射到张量？
例如，

Dict = {1: 'A', 2: 'B', 3: 'C'}

ex = torch.tensor([[1,2,3],[3,2,1]])

# Expected result
#tensor([[A, B, C],
#        [C, B, A]])

我尝试了这个 代码 和 torch.where ，但它不起作用出色地。

由于 PyTorch 张量主要设计用于数值运算，因此它们本身不支持直接将整数映射到字母字符串。但是，可以通过以下步骤实现所需的结果：

1. 将张量转换为 NumPy 数组： 这将允许更灵活的数据类型处理。
2. 使用 NumPy 的矢量化功能和字典进行映射： 这将有效地将字典应用于数组的每个元素。
3. 将结果转换回 PyTorch 张量（如果需要）： 为了与 PyTorch 的其他操作保持一致。

以下是 Python 代码中的实现：

import torch
import numpy as np

# 定义字典和张量
Dict = {1: 'A', 2: 'B', 3: 'C'}
ex = torch.tensor([[1, 2, 3], [3, 2, 1]])

# 将张量转换为 NumPy 数组
ex_np = ex.numpy()

# 执行映射
result = np.vectorize(Dict.get)(ex_np)

# 将结果转换回 PyTorch 张量
result = torch.from_numpy(result)

# 打印结果
print(result)

此代码将生成以下输出：

tensor([['A', 'B', 'C'],
        ['C', 'B', 'A']], dtype=torch.string)

在这个代码中：

• np.vectorize(Dict.get) 创建一个函数，该函数可以使用 Dict.get 查找每个元素的值，并适用于 NumPy 数组的每个元素。
• torch.from_numpy(result) 将映射后的 NumPy 数组转换回 PyTorch 张量。

此方法提供了使用字典有效地将值映射到 PyTorch 张量中的元素的解决方案。