torch.where和numpy.where faster element wise operation build-in implement

import torch
a=torch.randn((2,3))
print(a)
'''
tensor([[-0.4695,  0.0949, -0.7063],
        [-0.2190,  0.7319, -0.6530]])
'''
b=torch.where(a>0,torch.tensor(10.),a)
print(b)
'''
tensor([[-0.4695, 10.0000, -0.7063],
        [-0.2190, 10.0000, -0.6530]])
'''
'''
torch.where需要将所输入的3个参数都转换成torch.tensor类型
实现功能，对于输入的第一个参数torch.tensor进行element wise if判断
torch.where(tensor1 satisfy condition,tensor2,tensor3)
实现以下逻辑功能：
for element in tensor1:
    if element satisfy condition:
        tensor1[i,j]=tensor2[i,j]
    else:
        tensor1[i,j]=tensor3[i,j]
其中[i,j]表示element在tensor1中的索引位置下标
其实numpy中也有类似的操作
numpy where
numpy where 与 torch where的区别
两者都是三个输入参数，第一个是判断条件，第二个是符合条件的设置值，第三个是不满足条件的设置值。
区别在于，torch要将设置值全部改为Tensor类型的
https://blog.csdn.net/xijuezhu8128/article/details/86590562
'''
import numpy as np
a=np.random.randint(-10,10,(3,4))
print(a)
'''
[[ -3   8  -1   0]
 [  6  -8   3   9]
 [-10   4  -9   8]]
'''
b=np.where(a>0,1,-1)
print(b)
'''
[[-1  1 -1 -1]
 [ 1 -1  1  1]
 [-1  1 -1  1]]
'''