Pytorch 张量在遮罩时损失维度

Question

坦白说，这与 Numpy 数组在屏蔽时维度损失基本上是同一个问题，但针对的是 PyTorch 张量而不是 NumPy 数组。使用等效的 PyTorch 函数 torch.where

 或 

masked 张量 可以解决这些问题，但我发现 Google 搜索有关 PyTorch 张量的内容很快就没有找到答案。所以，我认为等效的 StackOverflow pytorch 标记问题可能对其他人有用！）

我有一个 2D PyTorch 张量（尽管它可能有更多维度），我想对其应用等效形状的二进制掩码。然而，当我应用掩模时，输出只是一维的。应用掩模后如何保持与原始张量相同的尺寸？

例如，对于

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。

Answer 1

torch

的

where

函数，我们将得到行、列

tensors

，如下所示：

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)])

哪个输出：

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

但是，将其插入 

x

将仅输出

mask

ed 值，让我们得到 1D

tensor

，因为我们要删除

tensor

中不计算为

True

的所有值（因此它的形状不能与原始

tensor

相同，因为它的值较少，因此它会被展平为单个维度）。如果您希望

x

成为其原始形状，但

only

where

mask

ed 值是

Truth

y 那么我们可以在这些索引处用 1 填充

tensor

的零：

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

是由零组成的

tensor

，其形状与

x

相同，但对于

where

，

mask

是

Truth

y。如果您希望

masked_x

由

x

的值

where

组成，则

mask

为

Truth

y，则：

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.]])

a 

tensor

个零

where

mask

是

False

y。如果您想要其他东西，请澄清。