torch.where()

API和用法:

python 复制代码
torch.where(condition, x, y) -> Tensor

condition:判断条件,一个布尔类型的张量,表示条件。

若当前index满足条件,则取x中index对应的元素

若当前index不满足条件,则取y中index对应的元素

形状:

d 是一个shape和 b,c 相同的tensor,也就是 b,c 的shape 也必须相同。

注意:a不需要和b,c一样的shape

示例:

python 复制代码
import torch

# 创建一个布尔类型的张量,表示条件
condition = torch.tensor([True, False, True, False])

# 创建两个与 condition 形状相同的张量
x = torch.tensor([1, 2, 3, 4])
y = torch.tensor([5, 6, 7, 8])

# 使用 torch.where() 函数获取满足条件的元素索引
result = torch.where(condition, x, y)

print(result)

输出:

tensor([1, 6, 3, 8])

torch.where()函数-CSDN博客

torch.where()详解-CSDN博客

torch.where()函数解读-CSDN博客

相关推荐
锋行天下5 小时前
公司内网部署大模型的探索之路
前端·人工智能·后端
背心2块钱包邮7 小时前
第7节——积分技巧(Integration Techniques)-代换积分法
人工智能·python·深度学习·matplotlib
无心水7 小时前
【分布式利器:大厂技术】4、字节跳动高性能架构:Kitex+Hertz+BytePS,实时流与AI的极致优化
人工智能·分布式·架构·kitex·分布式利器·字节跳动分布式·byteps
阿正的梦工坊7 小时前
DreamGym:通过经验合成实现代理学习的可扩展化
人工智能·算法·大模型·llm
PixelMind7 小时前
【超分辨率专题】FlashVSR:单步Diffusion的再次提速,实时视频超分不是梦!
深度学习·音视频·超分辨率·vsr
湘-枫叶情缘7 小时前
人脑生物芯片作为“数字修炼世界”终极载体的技术前景、伦理挑战与实现路径
人工智能
噜~噜~噜~7 小时前
偏导数和全导数的个人理解
深度学习·偏导数·梯度·全导数
Aaron15887 小时前
侦察、测向、识别、干扰一体化平台系统技术实现
人工智能·fpga开发·硬件架构·边缘计算·信息与通信·射频工程·基带工程
维维180-3121-14557 小时前
作物模型的未来:DSSAT与机器学习、遥感及多尺度模拟的融合
人工智能·生态学·农业遥感·作物模型·地理学·农学
lx7416026988 小时前
change-detection关于llm方向的任务与优化
深度学习