torch.nonzero一维、二维、三维

torch.nonzero

一维

import torch
input = torch.randint(15, 17, (6, 2))
rels_mask = torch.nonzero(input[:, 0] - 15)
print(input)
print(input[:, 0].shape)
print('----------------------')
print(rels_mask)
print(rels_mask.shape)

输出

tensor([[15, 15],
        [16, 15],
        [16, 16],
        [16, 16],
        [15, 15],
        [16, 16]])
torch.Size([6])
----------------------
tensor([[1],
        [2],
        [3],
        [5]])
torch.Size([4, 1])

二维、三维

参考

https://blog.csdn.net/monchin/article/details/79750216

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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