详细分析Pytorch中的masked_fill基本知识(附Demo)

目录

  • [1. 基本知识](#1. 基本知识)
  • [2. Demo](#2. Demo)

1. 基本知识

基本的原理知识如下:

  1. 输入张量和掩码

    masked_fill 接受两个主要参数:一个输入张量和一个布尔掩码

    掩码的形状必须与输入张量相同,True 表示需要填充的位置,False 表示保持原值

  2. 掩码操作

    在执行 masked_fill 操作时,函数会检查掩码中每个元素的值

    如果掩码对应的位置为 True,则在输出张量中填充指定的值;

    如果为 False,则保留输入张量中对应位置的值

  3. 输出结果

    最终生成的新张量包含了在掩码位置上被替换的值,其余位置保持原样


在代码逻辑上

  1. 创建掩码
    mask 是一个布尔张量,标识了哪些位置需要填充:
python 复制代码
[[False, True, False],
 [True, False, True],
 [False, False, True]]
  1. 执行 masked_fill
    当调用 tensor.masked_fill(mask, -1) 时,PyTorch 会遍历掩码中的每个元素:对于 mask 中的每个 True 值,tensor 在对应位置的值会被替换为 -1,对于 False 值,保持原值不变

masked_fill 操作是基于 C/C++ 的实现,因此在处理大规模数据时性能较高。常用于深度学习模型中的数据预处理,比如在填充序列、处理缺失值或标记特定条件的数据时

2. Demo

Demo 1: 基本用法

python 复制代码
import torch

# 创建一个 3x3 的张量
tensor = torch.tensor([[1, 2, 3],
                       [4, 5, 6],
                       [7, 8, 9]])

# 创建一个掩码,标记要填充的位置
mask = torch.tensor([[False, True, False],
                     [True, False, True],
                     [False, False, True]])

# 使用 masked_fill 填充掩码位置为 -1
result = tensor.masked_fill(mask, -1)

print("原始张量:")
print(tensor)
print("\n填充后的张量:")
print(result)

截图如下:

Demo 2: 与条件结合使用

python 复制代码
import torch

# 创建一个随机张量
tensor = torch.randn(3, 3)

# 创建掩码:标记负值的位置
mask = tensor < 0

# 将负值位置填充为 0
result = tensor.masked_fill(mask, 0)

print("原始张量:")
print(tensor)
print("\n填充后的张量 (负值填充为 0):")
print(result)

截图如下:

Demo 3: 结合计算

python 复制代码
import torch

# 创建一个张量
tensor = torch.tensor([[10, 20, 30],
                       [40, 50, 60],
                       [70, 80, 90]])

# 创建掩码:标记大于 50 的位置
mask = tensor > 50

# 用 999 填充大于 50 的位置
result = tensor.masked_fill(mask, 999)

print("原始张量:")
print(tensor)
print("\n填充后的张量 (大于 50 的位置填充为 999):")
print(result)

截图如下:

相关推荐
程序员Linc12 分钟前
写给新人的深度学习扫盲贴:向量与矩阵
人工智能·深度学习·矩阵·向量
CryptoPP12 分钟前
springboot 对接马来西亚数据源API等多个国家的数据源
spring boot·后端·python·金融·区块链
xcLeigh20 分钟前
OpenCV从零开始:30天掌握图像处理基础
图像处理·人工智能·python·opencv
大乔乔布斯20 分钟前
AttributeError: module ‘smtplib‘ has no attribute ‘SMTP_SSL‘ 解决方法
python·bash·ssl
果冻人工智能23 分钟前
如何有效应对 RAG 中的复杂查询?
人工智能
2305_7978820932 分钟前
AI识图小程序的功能框架设计
人工智能·微信小程序·小程序
明灯L33 分钟前
《函数基础与内存机制深度剖析:从 return 语句到各类经典编程题详解》
经验分享·python·算法·链表·经典例题
果冻人工智能33 分钟前
向量搜索中常见的8个错误(以及如何避免它们)
人工智能
databook34 分钟前
不平衡样本数据的救星:数据再分配策略
python·机器学习·scikit-learn
碳基学AI39 分钟前
哈尔滨工业大学DeepSeek公开课:探索大模型原理、技术与应用从GPT到DeepSeek|附视频与讲义免费下载方法
大数据·人工智能·python·gpt·算法·语言模型·集成学习