Pytorch mask_select 函数

本文详细介绍了PyTorch中的masked_select函数工作原理及其使用方法。该函数通过一个二进制掩码来选择输入张量中的指定元素,并将这些元素放入新的一维张量中返回。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

非常简单的函数,但是官网的介绍令人(令我)迷惑,所以稍加解释。
mask_select会将满足mask(掩码、遮罩等等,随便翻译)的指示,将满足条件的点选出来。

根据掩码张量mask中的二元值,取输入张量中的指定项( mask为一个 ByteTensor),将取值返回到一个新的1D张量,

张量 mask须跟input张量有相同数量的元素数目,但形状或维度不需要相同

x = torch.randn(3, 4)
x
1.2045 2.4084 0.4001 1.1372
0.5596 1.5677 0.6219 -0.7954
1.3635 -1.2313 -0.5414 -1.8478
[torch.FloatTensor of size 3x4]
mask = x.ge(0.5)
mask
1 1 0 1
1 1 1 0
1 0 0 0
[torch.ByteTensor of size 3x4]
torch.masked_select(x, mask)
1.2045
2.4084
1.1372
0.5596
1.5677
0.6219
1.3635
[torch.FloatTensor of size 7]

PyTorch中,mask是深度学习中常用的操作之一。它可以对张量进行特定位置的赋值或选取操作。在PyTorch中,有几个常用的mask操作函数。 首先是`Tensor.masked_fill_(mask, value)`,该函数可以将满足条件的位置的元素替换为指定的值。其中,mask是一个布尔张量,用于指定哪些位置需要替换,value是要替换成的值。举个例子,假设我们有一个张量x和一个布尔张量mask,我们可以使用`x.masked_fill_(mask, 0)`来将x中mask为True的位置的元素替换为0。 另一个常用的函数是`torch.masked_select(input, mask)`,该函数可以根据给定的mask从输入张量中选取满足条件的元素,返回一个新的张量。其中,input是输入张量,mask是布尔张量。举个例子,如果我们有一个张量x和一个布尔张量mask,我们可以使用`torch.masked_select(x, mask)`来选取x中mask为True的元素。 还有一个函数是`Tensor.masked_scatter_(mask, source)`,该函数可以将源张量source中的元素替换到目标张量self中满足条件的位置。其中,mask是布尔张量,用于指定替换位置,source是源张量,用于提供替换值。需要注意的是,mask的形状必须可以与目标张量self的形状进行广播。举个例子,假设我们有一个目标张量x、一个源张量source和一个布尔张量mask,我们可以使用`x.masked_scatter_(mask, source)`将source中的元素替换到x中mask为True的位置。 综上所述,PyTorch中的mask操作可以用于对张量进行特定位置的赋值或选取操作,包括`Tensor.masked_fill_`、`torch.masked_select`和`Tensor.masked_scatter_`。这些操作在深度学习中常常用于处理序列数据、注意力机制等任务中。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* *3* [pytorch常用mask命令](https://blog.youkuaiyun.com/weixin_41102519/article/details/121337359)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 100%"] [ .reference_list ]
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