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
Olafur_zbj7 分钟前
【AI】CUDA的新编程模型:tile编程模型 的好处
人工智能
Python大数据分析@33 分钟前
使用大模型MCP采集数据,爬虫已经无门槛
python·网络爬虫
Linguwen39 分钟前
外贸GEO01|GEO是什么?生成式引擎优化,AI时代的新流量密码
人工智能
物质波波波44 分钟前
WS-RPE:面向边缘物理AI实时特征值计算的硬件工作窃取调度器与冗余PE激活架构
人工智能·fpga开发·架构·系统架构·硬件架构
quantdash_cc1 小时前
告别自建 Requests/BS4 网页爬虫:基于 QuantDash 搭建零维保的高性能量化行情流水线
开发语言·爬虫·python·pandas·量化·quantdash
起个名字好难啊这也被占用了1 小时前
LangGraphjs可中断可恢复的AI工作流
人工智能·ai编程
@Mr_LiuYang1 小时前
状态栏动态上下文信息追加到Agent --《深入理解 AI Agent :设计原理与工程实践》实验2-8
人工智能·大模型·动态上下文·状态栏信息追加
65岁退休Coder1 小时前
LangChain v1.3.4 笔记 - 07 补充:链式调用 LCEL
后端·python·langchain
卷无止境1 小时前
FastAPI 部署在 Nginx 后面到底该怎么配
后端·python