如何在PyTorch中的张量的每一行中随机设置固定数量的元素

我想知道下面的代码是否有更有效的替代方案，而不使用第4行中的“for”循环

import torch
n, d = 37700, 7842
k = 4
sample = torch.cat([torch.randperm(d)[:k] for _ in range(n)]).view(n, k)
mask = torch.zeros(n, d, dtype=torch.bool)
mask.scatter_(dim=1, index=sample, value=True)

---

基本上，我要做的是通过

d

掩码张量创建一个

n

，这样在每一行中

k

随机元素都是真的。

这里有一种方法可以做到这一点，没有循环。让我们从一个随机矩阵开始，其中所有元素都是在[0,1]上均匀绘制的iid。然后我们取每行的第k个分位数，并在每行上将所有较小或相等的元素设置为True，其余元素设置为False：

rand_mat = torch.rand(n, d)
k_th_quant = torch.topk(rand_mat, k, largest = False)[0][:,-1:]
mask = rand_mat <= k_th_quant

rand\u mat=torch.rand（n，d）
k_th_quant=torch.topk（rand_mat，k，max=False）[0][：，-1:]
mask=rand_mat很好的回答，但是，我认为我应该向您提供我在代码中实际使用的
n
、
d
和
k
的真实值（我编辑了问题）。使用
n=37700
、
d=7842
和
k=4
，我自己的代码在我的CPU上运行大约5s，而你的代码在我的CPU上运行大约18s。谢谢，所以我已经对其进行了更新，现在，对于新的n、d和k值，它运行得更好更快。我的需要2.44秒，而你的需要5.27秒。