Pytorch 使用位屏蔽将数据从一个张量复制到另一个张量

火炬尺寸（[2]）
张量（[0,7,0,9,0.]））

---

我正在努力理解它是如何工作的。我最初认为上面的代码使用了奇特的索引，但我意识到c张量中的值会被复制到标记为1的索引中。另外，如果我没有将b的数据类型指定为uint8，则上述代码不起作用。有人能给我解释一下上面代码的机制吗。

使用数组进行索引的工作原理与我所知道的numpy和大多数其他矢量化数学软件包的工作原理相同。有两种情况：

当

b

类型为

uint8

（想想布尔值，pytorch不会将

bool

与

uint8

）区分开来，

a[b]

是一个一维数组，包含

a

（

a[i]

）的值子集，对应的in

b

（

b[i]/code>）为非零。这些值的别名为原始
a
，因此，如果修改它们，它们相应的位置也将更改

可用于索引的另一种类型是

int64

数组，在这种情况下

a[b]

创建一个shape

数组（*b.shape，*a.shape[1:]）

。它的结构就像是

b

（

b[i]

）的每个元素都被

a[i]

替换。换句话说，您可以通过指定从

a

的哪些索引中提取数据来创建一个新数组。同样，这些值与原始的

a

有别名，因此如果修改

a[b]

，则每个

i

的

a[b[i]

的值都会发生变化。本文给出了一个示例用例

这两种模式在和中对numpy进行了说明，对于后者，您必须记住pytorch使用

uint8

代替

bool

---

此外，如果您的目标是将数据从一个张量复制到另一个张量，那么您必须记住，像

a[ixs]=b[ixs]

这样的操作是就地操作（

a

就地修改），这在autograd中不起作用。如果要进行不合适的遮罩，请使用。答案中显示了一个示例用例

感谢您的解释。您能为您在上面解释的阵列的行为提供任何文档吗。这两个相关的段落是和，对于后者，您必须记住pytorch使用

uint8

代替

bool

。我扩展了我的回答，还提到了

torch。如果您想在张量之间复制数据，这可能是实际的解决方案。
import numpy as np
import torch
a = torch.zeros(5)
b = torch.tensor(tuple((0,1,0,1,0)),dtype=torch.uint8)
c= torch.tensor([7.,9.])
print(a[b].size())
a[b]=c
print(a)