我需要以一定的概率将张量 new 的元素插入到张量 old 中,为简单起见,我们假设它是 0.8。 基本上这就是 masked_fill 会做的,但它只适用于一维张量。 其实我在做
prob = torch.rand(trgs.shape, dtype=torch.float32).to(trgs.device)
mask = prob < 0.8
dim1, dim2, dim3, dim4 = new.shape
for a in range(dim1):
for b in range(dim2):
for c in range(dim3):
for d in range(dim4):
old[a][b][c][d] = old[a][b][c][d] if mask[a][b][c][d] else new[a][b][c][d]
这太糟糕了。我想要类似的东西
prob = torch.rand(trgs.shape, dtype=torch.float32).to(trgs.device)
mask = prob < 0.8
old = trgs.multidimensional_masked_fill(mask, new)
最佳答案
我不确定你的一些对象是什么,但这应该能让你在短时间内完成你需要做的事情:
old
是您现有的数据。
mask
是您以概率 p 生成的掩码
new
是包含您要插入的元素的新张量。
# torch.where
result = old.where(mask, new)
关于python - 用掩码为真的另一个张量填充张量,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/66688647/