PytorchTensor在掩蔽时的维数损失

v64noz0r 于 2023-10-20 发布在其他

关注(0)|答案(2)|浏览(101)

首先，这基本上与Numpy array loss of dimension when masking相同，但对于PyTorchTensor而不是NumPy数组。这个问题的solution（s），使用等价的PyTorch函数torch.where或masked tensors工作，但我发现Google搜索PyTorchTensor并没有很快找到答案。所以，我想一个等价的StackOverflow pytorch标记问题可能对其他人有用！）
我有一个2D PyTorchTensor（尽管它可能有更多的维度），我想应用一个等效形状的二进制掩码。然而，当我应用掩码时，输出只是一维的。如何在应用遮罩后保持与原始Tensor相同的尺寸？
例如用于

import torch

x = torch.tensor([[1.0, 2.0, 8.0], [-4.0, 0.0, 3.0]])
mask = x >=2.0
print(x[mask])
tensor([2., 8., 3.])

输出现在是1D而不是2D。

pytorch

来源：https://stackoverflow.com/questions/76899204/pytorch-tensor-loss-of-dimension-when-masking

2条答案

按热度按时间

e5njpo681#

使用torch的where函数，我们将得到行，列tensors如下：

import torch

x = torch.tensor([[1.0, 2.0, 8.0], [-4.0, 0.0, 3.0]])
mask = x >=2.0
print(torch.where(mask))
print(x[torch.where(mask)])

其输出：

(tensor([0, 0, 1]), tensor([1, 2, 2]))
tensor([2., 8., 3.])

然而，将其插入x将仅输出mask的艾德化值，从而使我们得到1D tensor，因为我们正在摆脱tensor中的所有值，这些值的计算结果不为True（因此它不可能与原始tensor的形状相同，因为它的值较少，因此它被展平为一维）。
如果你想让x是它的原始形状，但 onlywheremask的艾德值是Truth y，那么我们可以在这些索引处用1填充一个0的tensor：

import torch

x = torch.tensor([[1.0, 2.0, 8.0], [-4.0, 0.0, 3.0]])
mask = x >=2.0
masked_x = torch.zeros((x.shape))
masked_x[torch.where(mask)] = 1.0
print(masked_x)

输出：

tensor([[0., 1., 1.],
        [0., 0., 1.]])

所以现在masked_x是一个tensor的零，形状与x相同，但与1 where，mask是Truth y。
如果你想让masked_x由x的值where组成，那么mask就是Truth y，那么：

masked_x = torch.zeros((x.shape))
masked_x[torch.where(mask)] = x[torch.where(mask)]
print(masked_x)

输出：

tensor([[0., 2., 8.],
        [0., 0., 3.]])

0的tensorwheremask是False y。
如果你想要别的东西，请澄清。

赞(0）回复(0）举报 2023-10-20

fnx2tebb2#

就像numpy question中建议的那样，torch.where可以实现这一点。
为了保持相同的维度，你需要一个填充值。在下面的示例中，我使用0，但您也可以使用torch.nan

torch.where(mask, x, 0)

tensor([[0., 2., 8.],
        [0., 0., 3.]])

赞(0）回复(0）举报 2023-10-20

我来回答

PytorchTensor在掩蔽时的维数损失

2条答案

相关问题

热门标签

最新问答