torch.where 与 np.where

原创 已于 2022-03-24 10:09:32 修改 · 740 阅读 · 2 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#numpy #pytorch

于 2022-03-24 10:05:11 首次发布
本文探讨了numpy和torch中where函数的使用，当不指定条件时，两者都返回非零元素的下标，包括负数。在指定条件如`c>0`后，torch.where会过滤掉不符合条件的下标，只保留正数元素的位置。这展示了这两个库在处理数组条件筛选上的相似性和差异性。

numpy.where 和 torch.where 如果不指定条件，返回的都是非0元素的位置（下标），

np.where

>>> a = np.array([-1, -2, 0, 1, 2])
>>> np.where(a)
(array([0, 1, 3, 4]),)

torch.where不指定条件，返回的也是非0元素的位置（下标），包括了负数。
看个例子

>>> c
tensor([[[ 0.,</
最低0.47元/天 解锁文章
torch.where用法
jacke121的专栏
09-22 2万+
  把矩阵x中大于5的变成5了 import torch x = torch.linspace(1, 27, steps=27).view(9, 3) bbb = torch.where(x &gt; 5, torch.full_like(x, 5), x) print(bbb)
torch.where(),np.where()的两种用法，以及np.argwhere()寻找张量（tensor）和数组中为0的索引
weixin_45791990的博客
03-13 4714
torch.where(),np.where()的两种用法，以及np.argwhere()寻找张量(tensor)和数组中为0的索引
np.where和torch.where的使用
weixin_40426830的博客
09-21 2017
np.where和torch.where的使用 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 #预测概率 y_pred_probs = net(torch.tensor(x_test[0:10]).float()).data y_pred_probs #预测类别 y_pred = torch.where(y_pred_probs>0.5, torch.ones_like(y_pred_pro
np.where 和 torch.where 用法
weixin_43102043的博客
06-30 608
numpy.where() 有两种用法： numy.where(condition) 只有condiiton，输出满足condition的元素的下标, 这里的坐标以tuple的形式给出，通常原数组有多少维，输出的tuple中就包含几个数组，分别对应符合条件元素的各维坐标 torch.where torch.where()函数的作用是按照一定的规则合并两个tensor类型...
np.where和torch.where的使用区别
热门推荐
Nick Blog
01-22 3万+
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 mask_true = torch.where(torch.isnan(y_true), torch.full_like(y_true, 0), torch.full_like(y_true, 1)) mask_true = np.w...
torch.where() 与 numpy.where() 用法详解
知识搬运者
01-12 2362
1、torch.where() torch.where(condition，a，b)。其中，输入参数condition：条件限制，如果满足条件，则选择a，否则选择b作为输出。a和b是 tensor。 import torch a = torch.tensor([[0.0349, 0.0670, -0.0612, 0.0280, -0.0222, 0.0422], [-1.6719, 0.1242, -0.6488, 0.3313, -1.3965, -0.068...
基于torch.where和布尔索引的速度比较
09-18
在这篇文章中，作者分享了使用PyTorch库中torch.where函数与传统的布尔索引进行条件筛选操作的速度比较。通过编写Python代码，作者对这两种方法实现相同功能的效率进行了实际测试，并给出了测试结果。 知识点包括：...
PyTorch学习（10）：torch.where
tecsai的博客
06-02 778
在PyTorch中，torch.where 函数是一种强大的工具，用于根据条件从两个张量中选择元素。这个函数在数据处理和神经网络的正则化技术中特别有用，比如实现dropout或者masking策略。torch.where 的基本用法类似于Python的内建函数 np.where，但它专门针对PyTorch张量进行了优化。
torch.where np.where
09-18
在NumPy中，np.where()函数的功能与torch.where()类似，但输入和输出的类型不同。np.where()函数接受一个条件和一个数组作为输入，并返回与条件为True的元素对应的索引。例如，如果我们有一个数组arr，我们可以使用...
edge_index = torch.tensor(np.stack(np.where(adj > 0)), dtype=torch.long)什么意思
最新发布
03-14
对于稠密矩阵，可以使用np.where或者torch.nonzero来找到非零元素的位置。如果是稀疏矩阵，可能需要不同的处理方式，但用户的问题里提到的是邻接矩阵，可能默认是稠密的，除非特别说明。不过，也有可能用户处理的是...
torch.where()函数
StriveHeisenberg的博客
11-07 2425
Pytorch的torch.where（）函数和numpy中的np.where（）函数使用方法完全是一致的。torch.where（）需要三个参数：torch.where（第一个为判断条件，第二个为满足条件设置的值，第三个为不满足条件设置的值）。等同于一个基本判断结构： if 条件： 值1 else： 值2 example： y_pred = torch.where(y_pred > 0.5, torch.ones_like(y_pred, dtype=torch.float32),
torch.where和numpy.where faster element wise operation build-in implement
WYXHAHAHA123的博客
01-24 555
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&gt;0,torch.tensor(10.),a) print(b) ''' tensor([[-0.4695, ...
torch.where函数用法
jmhIcoding
04-13 2369
函数原型：torch.where(condition, x, y) → Tensor 作用： 将两个tensor ： x和y进行逐元素合并，condition ，x和y需要是相同形状的、或者可以广播为相同形状。 假设合并后的结果为z，z的形状为x，y两者的形状或者他们广播后的形状。 对于每个下标i，如果condition[i] 满足条件，那么z[i]等于x[i]，否则z[i]等于y[i] 。 举例： >>> x = torch.randn(3, 2) >>> y = to
torch.where/torch.clamp/torch.argmax
weixin_63016274的博客
10-15 305
torch.where/torch.clamp/torch.argmax
np.where 的用法记录
Lily的博客
10-29 446
np.where 的用法
torch.where和布尔索引的速度比较
WYXHAHAHA123的博客
03-05 3230
import torch import time x = torch.Tensor([[1, 2, 3], [5, 5, 5], [7, 8, 9],[5,5,5],[1,2,3,],[1,2,4]]) ''' 使用pytorch实现对于任意shape的torch.tensor,如果其中的element不等于5则为0，等于5则保留原数值 实现该功能的两种方式，并比较两种实现方式的速度 ''' ...
np.where可对tensor直接操作
weixin_61445075的博客
07-04 457
if __name__ == '__main__': # pdist = torch.nn.PairwiseDistance() a = torch.tensor([1,2,3,5,6]) b = torch.tensor([1,2,3,4,5]) idx = np.where(a!=b)[0] print(a,b,idx) 原因是因为会默认将tensor转换成numpy。当然也可以直接用torch.where实现。...
torch.nonzero
cobracanary的博客
10-20 474
这个API传入一个Tensor参数，返回这个Tensor中所有不为0的下标。 >>> x=torch.tensor([[0,0,1],[1.,0,0],[1,1,1]]) tensor([[0., 0., 1.], [1., 0., 0.], [1., 1., 1.]]) >>> torch.nonzero(x) tensor([[0, 2], [1, 0], [2, 0],
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

打赏作者

蓝羽飞鸟

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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