Python Pytork中的张量有类似的df.mask函数吗？

我想用-5替换二维张量中的所有0

使用dataframe，我可以轻松做到这一点：

df = df.mask(df=0, -5) 

但这不适用于张量。我试过：

 y = torch.where(y = 0, -5, y) 

---

很简单，就用这个

---

y[y==0]=-5

很简单，只要使用这个

---

y[y==0]=-5

通常有两种方法

上面由

prhmma

给出的一种方法是使用原位突变，如

y[y==0]=-5

。它很好，效率很高，但将中断自动加载操作。所以若你们想让梯度通过y，你们不应该这样做

另一种方法是使用

火炬。其中

，正如您所尝试的那样。正确的咒语是

y = torch.where(y == 0, torch.tensor(-5), y)

或者，如果您想成为设备和数据类型不可知论者

five = torch.tensor(-5, dtype=y.dtype, device=y.device)
y = torch.where(y == 0, five, y)

---

where

不接受标量的事实是一个令人讨厌的剪纸，但事实就是如此。请注意，虽然选择本身是离散的，显然不可微的，但此操作将使渐变流过两个操作数。

有两种通用方法

上面由

prhmma

给出的一种方法是使用原位突变，如

y[y==0]=-5

。它很好，效率很高，但将中断自动加载操作。所以若你们想让梯度通过y，你们不应该这样做

另一种方法是使用

火炬。其中

，正如您所尝试的那样。正确的咒语是

y = torch.where(y == 0, torch.tensor(-5), y)

或者，如果您想成为设备和数据类型不可知论者

five = torch.tensor(-5, dtype=y.dtype, device=y.device)
y = torch.where(y == 0, five, y)

---

where

不接受标量的事实是一个令人讨厌的剪纸，但事实就是如此。请注意，虽然选择本身是离散的，显然不可微的，但此操作将使渐变流过两个操作数。

它不是一个特殊的函数，只是python函数standards@LinmeiShang一般来说，许多numpy技巧（与索引相关）也适用于Pytork，只是蟒蛇standards@LinmeiShang一般来说，许多numpy技巧（与索引相关）也适用于pytorch。无论分段函数

y=-5如何，如果x==0，否则x

在0处不可微，它甚至不是连续的。因此，有效的backprop是不可能的。上面的评论只是为了强调一个重要的事实，您已经提到了@LinmeiShang计划使用它进行优化。无论分段函数

y=-5如果x==0，那么x

在0处是不可微的，它甚至不是连续的。因此，有效的backprop是不可能的。上面的评论只是为了强调这一重要事实，您已经在case@LinmeiShang计划将其用于优化目的时提到了这一点。