pytorch 鲜见操作

对两个 tensor 做逻辑运算,比如 & (与)

python 复制代码
import torch

# 定义两个张量
tensor_a = torch.tensor([1, 0, 1, 0], dtype=torch.bool)
tensor_b = torch.tensor([1, 1, 0, 0], dtype=torch.bool)

# 执行逻辑与操作
result = tensor_a & tensor_b

print(result)

结果输出:

复制代码
tensor([ True, False, False, False])

使用布尔类型张量做索引(也叫掩码)

python 复制代码
import torch

# 创建一个数据张量
data = torch.tensor([10, 20, 30, 40])

# 创建一个布尔索引张量
mask = torch.tensor([True, False, False, False])

# 使用布尔索引选择元素
selected_data = data[mask]

print(selected_data)

打印日志:

复制代码
tensor([10])

相关推荐
Kyrie6783 分钟前
SkillOpt:把 Agent 的技能文件当作可训练参数
人工智能
冬奇Lab27 分钟前
Workflow 系列(07):工程化与版本管理——Workflow 的 CI/CD
人工智能·工作流引擎
两万五千个小时28 分钟前
Claude Code 上下文管理(一):为什么 Agent 会"失忆"?
人工智能·架构·开源
两万五千个小时29 分钟前
Claude Code 上下文管理(二):零 Token 消耗的压缩三板斧
人工智能·程序员·开源
冬奇Lab33 分钟前
每日一个开源项目(第150篇):caveman - 为什么用很多 token,少 token 也行——给 AI Agent 装上穴居人嘴巴
人工智能·开源·资讯
贵慜_Derek39 分钟前
MAI-04|干净数据在工程上意味着什么:MAI 预训练数据治理
人工智能·算法·llm
feelmylife5944 分钟前
Agent 记忆设计架构 — 分层记忆:什么时候该记住,什么时候该忘记
人工智能
阿黎梨梨1 小时前
揭秘大语言模型的底层逻辑:从文本分词到高维向量的计算之旅
javascript·人工智能
moMo1 小时前
AI工程化 03:给模型喂上下文
人工智能