如何使用字典映射PyTorch张量中的元素值？

针对你提出的将张量中的数字按字典映射为对应字符的需求，这里提供两种实用方法：

方法1：列表推导式转换（兼容所有PyTorch版本） #

由于PyTorch早期版本不支持字符串类型张量，最直接的方式是遍历张量元素，用字典完成映射：

import torch

num_to_char = {1: 'A', 2: 'B', 3: 'C'}
ex = torch.tensor([[1,2,3],[3,2,1]])

# 逐行逐元素映射
mapped_result = [[num_to_char[item.item()] for item in row] for row in ex]
print(mapped_result)
# 输出：[['A', 'B', 'C'], ['C', 'B', 'A']]

# 若需要类似张量的打印格式，可转为numpy数组
import numpy as np
print(np.array(mapped_result))
# 输出：
# [['A' 'B' 'C']
#  ['C' 'B' 'A']]

方法2：利用PyTorch字符串张量（PyTorch 1.12+） #

如果你的PyTorch版本在1.12及以上，可以直接创建字符串类型的映射张量，通过索引完成批量替换：

import torch

num_to_char = {1: 'A', 2: 'B', 3: 'C'}
ex = torch.tensor([[1,2,3],[3,2,1]])

# 创建映射张量，索引对应原数字减1（原数字1→索引0，对应'A'）
mapping = torch.tensor(['A', 'B', 'C'], dtype=torch.str)
# 将原张量转为索引（原数字1-3对应索引0-2）
indices = ex - 1
# 批量映射
result_tensor = mapping[indices]
print(result_tensor)
# 输出：
# tensor([['A', 'B', 'C'],
#         ['C', 'B', 'A']], dtype=torch.str)

关于你之前尝试方法无效的原因 #

• torch.where更适合基于条件的二元替换，多值映射需要多次嵌套判断，操作繁琐且易出错；
• 论坛中的方法大多针对数值型张量的替换，而非字符串映射场景，因此不适用。

内容的提问来源于stack exchange，提问作者Ssong