torch.masked_select（）极其类似实现

输入：

import torch

x = torch.tensor([[1, 2, 3],
                  [4, 5, 6],
                  [7, 8, 9]])

mask = torch.tensor([[0, 1, 0],
                     [1, 0, 1],
                     [0, 1, 0]], dtype=torch.bool)

result = torch.masked_select(x, mask)
print(result)

输出：

tensor([2, 4, 6, 8])

这段代码中，x 是一个形状为 (3, 3) 的张量，mask 是一个形状相同的布尔类型张量。torch.masked_select(x, mask) 将会根据 mask 中为 True 的位置，从 x 中选择对应位置的元素，生成一个新的一维张量 result，包含了满足掩码条件的元素。在这个例子中，mask 中为 True 的位置对应的元素是 [2, 4, 6, 8]，所以 result 将会是一个包含这些元素的一维张量。

需要注意的是，返回的结果张量是一维的，不会保留原始张量的形状，它仅包含根据掩码条件选取的元素。

类似操作：

输入： 

import torch

x = torch.tensor([[1, 2, 3],
                  [4, 5, 6],
                  [7, 8, 9]])

mask = torch.tensor([[0, 1, 0],
                     [1, 0, 1],
                     [0, 1, 0]], dtype=torch.bool)


print(x[mask==1])

 输出：

tensor([2, 4, 6, 8])

这种操作是向量化条件索引，并且它的可操作性会比上面那种方式更高

注意：向量化条件索引只能在tensor或者numpy数据类型上使用，对于list数据类型无法使用，需要将其数据类型转换之后才能使用