bool tensor的使用

构建或者生成的bool tensor作为index，可以方便的访问满足特定条件的相关的tensor值。

import torch
import numpy as np

if __name__ == '__main__':
    a = torch.range(0,5)
    print(a)
    b = range(0,6)
    print(b)
    for i in b:
        print(i)
    c = torch.tensor([False,True,False,True,False,True])
    index = a[c]
    print(index)
    d = np.random.permutation(5)
    print(d)
    # numpy 可以直接作为tensor的index去使用
    print(a[d])
    # index = b[c]
    # print(index)

UserWarning: torch.range is deprecated and will be removed in a future release because its behavior is inconsistent with Python's range builtin. Instead, use torch.arange, which produces values in [start, end).
  a = torch.range(0,5)
tensor([0., 1., 2., 3., 4., 5.])
range(0, 6)
0
1
2
3
4
5
tensor([1., 3., 5.])
[4 3 0 1 2]
tensor([4., 3., 0., 1., 2.])

但torch.range现在不建议使用了，和Python的range不太一样。

numpy 可以直接作为tensor的index去使用，