torch.where和numpy.where faster element wise operation build-in implement

最新推荐文章于 2025-07-02 22:01:18 发布

WYXHAHAHA123

最新推荐文章于 2025-07-02 22:01:18 发布

阅读量542

点赞数

CC 4.0 BY-SA版权

分类专栏： pytorch

本文链接：https://blog.youkuaiyun.com/WYXHAHAHA123/article/details/86632780

pytorch 专栏收录该内容

27 篇文章

订阅专栏

本文对比了PyTorch与NumPy中的条件操作功能，详细解析了torch.where与numpy.where函数的使用方法及差异，展示了如何利用这些函数进行元素级别的条件判断和赋值。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

import torch
a=torch.randn((2,3))
print(a)
'''
tensor([[-0.4695,  0.0949, -0.7063],
        [-0.2190,  0.7319, -0.6530]])
'''
b=torch.where(a>0,torch.tensor(10.),a)
print(b)
'''
tensor([[-0.4695, 10.0000, -0.7063],
        [-0.2190, 10.0000, -0.6530]])
'''
'''
torch.where需要将所输入的3个参数都转换成torch.tensor类型
实现功能，对于输入的第一个参数torch.tensor进行element wise if判断
torch.where(tensor1 satisfy condition,tensor2,tensor3)
实现以下逻辑功能：
for element in tensor1:
    if element satisfy condition:
        tensor1[i,j]=tensor2[i,j]
    else:
        tensor1[i,j]=tensor3[i,j]
其中[i,j]表示element在tensor1中的索引位置下标
其实numpy中也有类似的操作
numpy where
numpy where 与 torch where的区别
两者都是三个输入参数，第一个是判断条件，第二个是符合条件的设置值，第三个是不满足条件的设置值。
区别在于，torch要将设置值全部改为Tensor类型的
https://blog.youkuaiyun.com/xijuezhu8128/article/details/86590562
'''
import numpy as np
a=np.random.randint(-10,10,(3,4))
print(a)
'''
[[ -3   8  -1   0]
 [  6  -8   3   9]
 [-10   4  -9   8]]
'''
b=np.where(a>0,1,-1)
print(b)
'''
[[-1  1 -1 -1]
 [ 1 -1  1  1]
 [-1  1 -1  1]]
'''