从numpy掩码到pytorch掩码

一、numpy布尔索引掩码

import numpy as np

data = np.arange(1, 11)
mask=[True,False,True,False,True,False,True,False,True,False]

print(data)
print(data[mask])

返回值为：

[ 1  2  3  4  5  6  7  8  9 10]
[1 3 5 7 9]

二、numpy掩码数组

掩码数组通过numpy.ma来创建。

所谓掩码，就是掩盖的意思，后续掩码数组的操作只有未被掩藏的元素会参与计算。
掩码数组赋予了我们重新选择元素的权利，而不用改变矩阵的维度。

示例一：

import numpy as np
import numpy.ma as ma

a = np.arange(5)
b = ma.masked_array(a, mask=[1,1,1,0,0])
print(a)
print(b)

返回值为：

[0 1 2 3 4]
[-- -- -- 3 4]

示例二：

import matplotlib.pyplot as plt

data = np.random.rand(25 * 25).reshape(25, -1)
mask = np.tri(data.shape[0], k=-1)
data_masked = ma.array(data, mask=mask)

fig, (ax1, ax2) = plt.subplots(1, 2)
ax1.imshow(data)
ax2.imshow(data_masked)
plt.show()

返回为：

三、pytorch掩码

pytorch使用tensor.masked_fill将张量中的一些值掩盖掉。

方法原型：tensor.masked_fill(mask, value)

注意点：

1. mask中为1的部分使用value替代，0的部分保持原值
2. mask必须是一个ByteTensor类型的张量（由01组成）

import torch

x = torch.arange(24).reshape(3, 2, 4)
print(x.shape)
masked = torch.ByteTensor([[[1, 0, 1, 0], [0, 1, 1, 1]],
                           [[1, 0, 1, 0], [0, 1, 1, 1]],
                           [[1, 0, 1, 0], [0, 1, 1, 1]]])
print(masked.shape)
x = x.masked_fill(masked, 1e9)
print(x)

 返回为：

torch.Size([3, 2, 4])
torch.Size([3, 2, 4])
tensor([[[1000000000,          1, 1000000000,          3],
         [         4, 1000000000, 1000000000, 1000000000]],

        [[1000000000,          9, 1000000000,         11],
         [        12, 1000000000, 1000000000, 1000000000]],

        [[1000000000,         17, 1000000000,         19],
         [        20, 1000000000, 1000000000, 1000000000]]])