torch.where()

最新推荐文章于 2024-07-25 14:35:42 发布
最新推荐文章于 2024-07-25 14:35:42 发布
阅读量212 收藏
点赞数 2
文章标签： pytorch 深度学习 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/czlczl20020925/article/details/139505176
版权

除开网上常见的where用法。
torch.where(condition)返回满足condition的数组的索引。
如：

a = torch.Tensor([[1,2,3],[3,2,1],[1,1,2]])
torch.where(a==1) #(tensor([0, 1, 2, 2]), tensor([0, 2, 0, 1]))

返回为一个元祖，元祖第0项，第1项相应位置的组合即为满足条件的元素的索引，上例中有[0,0],[1,2],[2,0],[2,1]

czlczl20020925
关注
  • 2
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
torch.where()用法
euqlll的博客
11-10 1万+
本文主要讲述的两种用法，第一种是最常规的，也是官方文档所注明的；第二种就是配合bool型张量的计算以上就是torch.where()的两种用法
torch.where用法
qq_36892712的博客
08-18 452
是 PyTorch 中的一个函数，用于根据给定条件从两个张量中选择元素并返回一个新的张量。condition: 一个布尔型的张量，用于指定选择元素的条件。当条件为 True 时，选择x中对应位置的元素，否则选择y中对应位置的元素。x: 一个张量，表示条件为 True 时要选择的元素。y: 一个张量，表示条件为 False 时要选择的元素。返回一个新的张量，根据条件选择x或y中的元素。
torch.where的使用
spark的博客
05-12 466
如果b_bool是tensor类型，那返回的元组含有的唯一元素就是所有true角标的tensor。在这个语句中a会提取出b_bool为true的角标，但会返回成一个元组。函数返回一个张量或元组，具体输出是由函数输出参数的数量和类型所决定的。所有为了a直接得到一个tensor，我们用【0】做索引。例，在下面的示例中，我们用另一个张量。在 PyTorch 中，
torch.where用法介绍
shilichangtin的博客
01-02 564
torch.where用法介绍
torch.where()函数
weixin_43941438的博客
01-22 3390
是 PyTorch 库中的一个函数，用于根据给定的条件返回输入张量中满足条件的元素的索引。张量中为True的元素索引是0和2，所以返回的索引张量是。中取对应的元素，即1和3；中取对应的元素，即5和7。
Pytorch torch.Where 和 torch.Gather
zhuguiqin1的专栏
09-07 614
Pytorch-Where torch.where(condition,x,y)→ Tensor 返回一个tensor，tensor的元素依据满足的条件从x或者y中的元素选择。 要求：condition、x，y可以broadcastable到相同的shape。返回值也是相同shape的矩阵 condition：条件矩阵，当元素为 True 时，填入 x 中对应的元素，否则填入 y 中对应的元素 x：condition中元素为 True 时将从 x 中选取元素 y：condition中元...
PyTorch学习（10）：torch.where
tecsai的博客
06-02 483
在PyTorch中，torch.where 函数是一种强大的工具，用于根据条件从两个张量中选择元素。这个函数在数据处理和神经网络的正则化技术中特别有用，比如实现dropout或者masking策略。torch.where 的基本用法类似于Python的内建函数 np.where，但它专门针对PyTorch张量进行了优化。
Pytorch中的torch.where函数
热门推荐
tszupup的博客
08-20 1万+
首先我们看一下Pytorch中torch.where函数是怎样定义的： @overload def where(condition: Tensor) -> Union[Tuple[Tensor, ...], List[Tensor]]: ... torch.where函数的功能如下： torch.where(condition, x, y): condition：判断条件 x：若满足条件，则取x中元素 y：若不满足条件，则取y中元素 以具体实例看一下torch.where函数的效果：
torch.where/torch.clamp/torch.argmax
weixin_63016274的博客
10-15 214
torch.where/torch.clamp/torch.argmax
torch.where 与 np.where
蓝羽飞鸟的博客
03-24 625
numpy.where如果不指定条件，返回的是>0元素的位置（下标），见链接 但是如果torch.where不指定条件，返回的是非0元素的位置（下标），包括了负数。 看个例子 >>> c tensor([[[ 0., 0.], [-1., -1.], [-1., -2.]], [[ 1., 1.], [ 0., 0.], [ 0., -1.]], [[ 1., 2.],
基于torch.where和布尔索引的速度比较
09-18
今天小编就为大家分享一篇基于torch.where和布尔索引的速度比较，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
详解PyTorch中Tensor的高阶操作
01-20
条件选取：torch.where(condition, x, y) → Tensor 返回从 x 或 y 中选择元素的张量，取决于 condition 操作定义： 举个例子： >>> import torch >>> c = randn(2, 3) >>> c tensor([[ 0.0309, -1.5993, 0.1986...
Pytorch高阶OP操作where，gather原理
09-16
总结来说，`torch.where`和`torch.gather`是PyTorch中两个非常实用的高阶操作，它们允许开发者以更高效、更简洁的方式处理张量数据，特别是在构建深度学习模型时。理解和熟练运用这些操作可以提高代码的可读性和性能...
N3 - Pytorch文本分类入门
最新发布
Loser
07-25 873
文本分类任务，关键的是前面对文本的处理，合并，嵌入，最后的分类反而非常简直，直接使用了一层全连接层就可以达到不错的效果了。在复现的过程中，由于使用的库版本不一致导致torchtext库部分代码无法正常运行，卡了好久，后面搜索了一些之前打卡的同学的博客，才找到解决方案。复现模型时尽量不要使用最新的版本，而是使用原来的版本，先运行起来，再改动。
【Pytorch实战教程】Pytorch中model.train()和model.eval()的作用
惊鸿若梦一书生
07-22 284
在 PyTorch 中，`model.train()` 和 `model.eval()` 用于设置模型的`训练模式`和`评估模式`，它们的作用主要涉及模型中的特定层如批归一化（Batch Normalization）和丢弃（Dropout）等。
Pytorch笔记（1-5）
2301_81989837的博客
07-20 381
张量可以理解为numpy里面的矩阵，可以进行矩阵的操作。
用PyTorch从零开始编写DeepSeek-V2
deephub
07-23 4750
本文详细介绍了DeepSeek-V2语言模型，这是一个强大的开源混合专家（MoE）语言模型，采用创新的架构来提高训练和推理的经济性和效率。DeepSeek-V2采用了两种核心技术：细粒度专家分割和共享专家隔离，这两种策略显著提高了专家的专业化水平。此外，文章还介绍了多头隐性注意力（MLA），这是一种改进的注意力机制，通过低秩键值联合压缩和解耦旋转位置嵌入，优化了模型的存储和计算效率。除了理论探讨，我们通过编写代码实现DeepSeek-V2，可以更深入地理解其架构和工作原理。
PyTorch 2.0 GPU Nvidia运行库的安装
brucexia的专栏
07-23 769
首先是CUDA的安装。百度搜索CUDA 11.7 download，进入官方下载页面，选择适合的操作系统安装方式（推荐使用local（本地化）安装方式），如图2-16所示。当然，读者也可以根据自己电脑的GPU配置要求，查阅PyTorch和CUDA官网，找到适合的PyTorch、CUDA、cuDNN软件版本进行搭配安装。对于PyTorch 2.0的安装来说，最好的安装方法是根据官方提供的安装代码进行安装。此时下载下来的是一个EXE文件，读者自行安装，不要修改其中的路径信息，完全使用默认路径安装即可。
PyTorch可以用来干嘛?
Keep_Calm_的博客
07-24 885
PyTorch 是一个广泛使用的开源机器学习库，由 Facebook AI Research（FAIR）开发。它主要用于计算机视觉和自然语言处理等深度学习领域，但也可以应用于许多其他类型的机器学习任务。PyTorch 提供了丰富的功能和灵活的设计，使得构建和训练神经网络变得相对简单。以下是 PyTorch 的一些主要用途
torch.where
04-30
`torch.where`是PyTorch中的一个函数，用于根据条件选择张量中的元素。它的语法是： ``` torch.where(condition, x, y) ``` 其中，`condition`是一个与`x`和`y`具有相同形状的布尔张量，表示要选择哪些元素。如果`condition`中的元素为`True`，则选择`x`中对应的元素，否则选择`y`中对应的元素。 下面是一个简单的例子： ```python import torch x = torch.tensor([1, 2, 3, 4]) y = torch.tensor([5, 6, 7, 8]) condition = torch.tensor([True, False, True, False]) result = torch.where(condition, x, y) print(result) ``` 输出： ``` tensor([1, 6, 3, 8]) ``` 在这个例子中，`condition`中的第一、三个元素为`True`，因此选择`x`中的第一、三个元素，选择`y`中的第二、四个元素，最终得到的结果是`[1, 6, 3, 8]`。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值