How to match the index of tensors and values in the list using pytorch?

I’d like to match the index of tensors from the list.
I’m trying to do link prediction using Pytorch.
In this process, I need to convert the index to the name by mapping it to the dictionary.
To do this, I set the dictionary and masking to the tensor, but it returned unexpected indices.

Plain text
Copy to clipboard
Open code in new window
EnlighterJS 3 Syntax Highlighter
<code>inv_entity_dict = {v: k for k, v in entity_dict.items()}
inv_entity_dict
#{0: 'TMEM35A',
# 1: 'FHL5',
# 2: 'Sirolimus',
# 3: 'TMCO2',
# 4: 'RNF123',
# 5: 'SMURF2',
# 6: 'SSH3',
# 7: 'PSMA4',
# 8: 'SOD3',
# 9: 'SCOC',
# 10: 'Cysteamine',
# 11: 'TOX',
#...}
nonzero[0:10]
#array([ 0, 1, 3, 4, 5, 6, 7, 8, 9, 11])
</code>
<code>inv_entity_dict = {v: k for k, v in entity_dict.items()} inv_entity_dict #{0: 'TMEM35A', # 1: 'FHL5', # 2: 'Sirolimus', # 3: 'TMCO2', # 4: 'RNF123', # 5: 'SMURF2', # 6: 'SSH3', # 7: 'PSMA4', # 8: 'SOD3', # 9: 'SCOC', # 10: 'Cysteamine', # 11: 'TOX', #...} nonzero[0:10] #array([ 0, 1, 3, 4, 5, 6, 7, 8, 9, 11]) </code>
inv_entity_dict = {v: k for k, v in entity_dict.items()}
inv_entity_dict
#{0: 'TMEM35A',
# 1: 'FHL5',
# 2: 'Sirolimus',
# 3: 'TMCO2',
# 4: 'RNF123',
# 5: 'SMURF2',
# 6: 'SSH3',
# 7: 'PSMA4',
# 8: 'SOD3',
# 9: 'SCOC',
# 10: 'Cysteamine',
# 11: 'TOX',
#...}

nonzero[0:10]
#array([ 0,  1,  3,  4,  5,  6,  7,  8,  9, 11])

After running the code, it returned unexpected results because Sirolimus(idx==2), which is not in the nonzero array, should not be matched the name.

Plain text
Copy to clipboard
Open code in new window
EnlighterJS 3 Syntax Highlighter
<code>for i in range(1):
raw_probs = (z[i][nonzero[0:10]] @ z[i][nonzero[0:10]].t()).sigmoid()
filtered_probs = pd.DataFrame((raw_probs>0.9).nonzero(as_tuple=False).cpu().numpy(), columns=['Gene1', 'Gene2'])
filtered_probs['prob'] = raw_probs[(raw_probs>0.9)].cpu().detach().numpy()
filtered_probs_name = map_id2gene(filtered_probs, inv_entity_dict) #converting func.
#Expected result
# Gene1 Gene2 prob
#67 TOX TOX 1.0
#0 TMEM35A TMEM35A 1.0
#1 TMEM35A FHL5 1.0
#2 TMEM35A RNF123 1.0
#52 SCOC TMEM35A 1.0
#Wrong
# Gene1 Gene2 prob
#67 SCOC SCOC 1.0
#0 TMEM35A TMEM35A 1.0
#1 TMEM35A FHL5 1.0
#2 TMEM35A Sirolimus 1.0
#52 SOD3 TMEM35A 1.0
</code>
<code>for i in range(1): raw_probs = (z[i][nonzero[0:10]] @ z[i][nonzero[0:10]].t()).sigmoid() filtered_probs = pd.DataFrame((raw_probs>0.9).nonzero(as_tuple=False).cpu().numpy(), columns=['Gene1', 'Gene2']) filtered_probs['prob'] = raw_probs[(raw_probs>0.9)].cpu().detach().numpy() filtered_probs_name = map_id2gene(filtered_probs, inv_entity_dict) #converting func. #Expected result # Gene1 Gene2 prob #67 TOX TOX 1.0 #0 TMEM35A TMEM35A 1.0 #1 TMEM35A FHL5 1.0 #2 TMEM35A RNF123 1.0 #52 SCOC TMEM35A 1.0 #Wrong # Gene1 Gene2 prob #67 SCOC SCOC 1.0 #0 TMEM35A TMEM35A 1.0 #1 TMEM35A FHL5 1.0 #2 TMEM35A Sirolimus 1.0 #52 SOD3 TMEM35A 1.0 </code>
for i in range(1):
    raw_probs = (z[i][nonzero[0:10]] @ z[i][nonzero[0:10]].t()).sigmoid()
    filtered_probs = pd.DataFrame((raw_probs>0.9).nonzero(as_tuple=False).cpu().numpy(), columns=['Gene1', 'Gene2'])
    filtered_probs['prob'] = raw_probs[(raw_probs>0.9)].cpu().detach().numpy()
    filtered_probs_name = map_id2gene(filtered_probs, inv_entity_dict) #converting func.

#Expected result
#   Gene1   Gene2   prob
#67 TOX TOX 1.0
#0  TMEM35A TMEM35A 1.0
#1  TMEM35A FHL5    1.0
#2  TMEM35A RNF123  1.0
#52 SCOC    TMEM35A 1.0

#Wrong
#   Gene1   Gene2   prob
#67 SCOC    SCOC    1.0
#0  TMEM35A TMEM35A 1.0
#1  TMEM35A FHL5    1.0
#2  TMEM35A Sirolimus   1.0
#52 SOD3    TMEM35A 1.0

I guess the initialized raw_probs indices went into the converting process directly.

Plain text
Copy to clipboard
Open code in new window
EnlighterJS 3 Syntax Highlighter
<code>raw_prob
#tensor([[1.0000e+00, ..., 1.0000e+00], #real index: 0
# [1.0000e+00, ..., 1.0000e+00], #real index: 1
# [1.0000e+00, ..., 1.0000e+00], #real index: 3, but considered to 2
# [1.0000e+00, ..., 1.0000e+00], #real index: 4, but considered to 3, ...
# [1.0000e+00, ..., 1.0000e+00], #real index: 5
# [1.0000e+00, ..., 1.0000e+00], #real index: 6
# [0.0000e+00, ..., 0.0000e+00], #real index: 7
# [0.0000e+00, ..., 4.4097e-36], #real index: 8
# [1.0000e+00, ..., 1.0000e+00], #real index: 9
# [1.0000e+00, ..., 1.0000e+00] #real index: 11, but considered to 9], device='cuda:0')
</code>
<code>raw_prob #tensor([[1.0000e+00, ..., 1.0000e+00], #real index: 0 # [1.0000e+00, ..., 1.0000e+00], #real index: 1 # [1.0000e+00, ..., 1.0000e+00], #real index: 3, but considered to 2 # [1.0000e+00, ..., 1.0000e+00], #real index: 4, but considered to 3, ... # [1.0000e+00, ..., 1.0000e+00], #real index: 5 # [1.0000e+00, ..., 1.0000e+00], #real index: 6 # [0.0000e+00, ..., 0.0000e+00], #real index: 7 # [0.0000e+00, ..., 4.4097e-36], #real index: 8 # [1.0000e+00, ..., 1.0000e+00], #real index: 9 # [1.0000e+00, ..., 1.0000e+00] #real index: 11, but considered to 9], device='cuda:0') </code>
raw_prob
#tensor([[1.0000e+00, ..., 1.0000e+00], #real index: 0
#        [1.0000e+00, ..., 1.0000e+00], #real index: 1
#        [1.0000e+00, ..., 1.0000e+00], #real index: 3, but considered to 2
#        [1.0000e+00, ..., 1.0000e+00], #real index: 4, but considered to 3, ...
#        [1.0000e+00, ..., 1.0000e+00], #real index: 5
#        [1.0000e+00, ..., 1.0000e+00], #real index: 6
#        [0.0000e+00, ..., 0.0000e+00], #real index: 7
#        [0.0000e+00, ..., 4.4097e-36], #real index: 8
#        [1.0000e+00, ..., 1.0000e+00], #real index: 9
#        [1.0000e+00, ..., 1.0000e+00] #real index: 11, but considered to 9], device='cuda:0')

In this case, how can I match the correct ids and names based on the inv_entity_dict and nonzero list?

Trang chủ Giới thiệu Sinh nhật bé trai Sinh nhật bé gái Tổ chức sự kiện Biểu diễn giải trí Dịch vụ khác Trang trí tiệc cưới Tổ chức khai trương Tư vấn dịch vụ Thư viện ảnh Tin tức - sự kiện Liên hệ Chú hề sinh nhật Trang trí YEAR END PARTY công ty Trang trí tất niên cuối năm Trang trí tất niên xu hướng mới nhất Trang trí sinh nhật bé trai Hải Đăng Trang trí sinh nhật bé Khánh Vân Trang trí sinh nhật Bích Ngân Trang trí sinh nhật bé Thanh Trang Thuê ông già Noel phát quà Biểu diễn xiếc khỉ Xiếc quay đĩa Dịch vụ tổ chức sự kiện 5 sao Thông tin về chúng tôi Dịch vụ sinh nhật bé trai Dịch vụ sinh nhật bé gái Sự kiện trọn gói Các tiết mục giải trí Dịch vụ bổ trợ Tiệc cưới sang trọng Dịch vụ khai trương Tư vấn tổ chức sự kiện Hình ảnh sự kiện Cập nhật tin tức Liên hệ ngay Thuê chú hề chuyên nghiệp Tiệc tất niên cho công ty Trang trí tiệc cuối năm Tiệc tất niên độc đáo Sinh nhật bé Hải Đăng Sinh nhật đáng yêu bé Khánh Vân Sinh nhật sang trọng Bích Ngân Tiệc sinh nhật bé Thanh Trang Dịch vụ ông già Noel Xiếc thú vui nhộn Biểu diễn xiếc quay đĩa Dịch vụ tổ chức tiệc uy tín Khám phá dịch vụ của chúng tôi Tiệc sinh nhật cho bé trai Trang trí tiệc cho bé gái Gói sự kiện chuyên nghiệp Chương trình giải trí hấp dẫn Dịch vụ hỗ trợ sự kiện Trang trí tiệc cưới đẹp Khởi đầu thành công với khai trương Chuyên gia tư vấn sự kiện Xem ảnh các sự kiện đẹp Tin mới về sự kiện Kết nối với đội ngũ chuyên gia Chú hề vui nhộn cho tiệc sinh nhật Ý tưởng tiệc cuối năm Tất niên độc đáo Trang trí tiệc hiện đại Tổ chức sinh nhật cho Hải Đăng Sinh nhật độc quyền Khánh Vân Phong cách tiệc Bích Ngân Trang trí tiệc bé Thanh Trang Thuê dịch vụ ông già Noel chuyên nghiệp Xem xiếc khỉ đặc sắc Xiếc quay đĩa thú vị
Trang chủ Giới thiệu Sinh nhật bé trai Sinh nhật bé gái Tổ chức sự kiện Biểu diễn giải trí Dịch vụ khác Trang trí tiệc cưới Tổ chức khai trương Tư vấn dịch vụ Thư viện ảnh Tin tức - sự kiện Liên hệ Chú hề sinh nhật Trang trí YEAR END PARTY công ty Trang trí tất niên cuối năm Trang trí tất niên xu hướng mới nhất Trang trí sinh nhật bé trai Hải Đăng Trang trí sinh nhật bé Khánh Vân Trang trí sinh nhật Bích Ngân Trang trí sinh nhật bé Thanh Trang Thuê ông già Noel phát quà Biểu diễn xiếc khỉ Xiếc quay đĩa
Thiết kế website Thiết kế website Thiết kế website Cách kháng tài khoản quảng cáo Mua bán Fanpage Facebook Dịch vụ SEO Tổ chức sinh nhật