PyTorch学习（1）：torch.meshgrid的使用-CSDN博客
PyTorch学习（2）：torch.device-CSDN博客
PyTorch学习（9）：torch.topk-CSDN博客
目录
1. 写在前面
在PyTorch中，torch.where 函数是一种强大的工具，用于根据条件从两个张量中选择元素。这个函数在数据处理和神经网络的正则化技术中特别有用，比如实现dropout或者masking策略。torch.where 的基本用法类似于Python的内建函数 np.where，但它专门针对PyTorch张量进行了优化。
2. torch.where 函数概述
在PyTorch中，torch.where 函数是一种强大的工具，用于根据条件从两个张量中选择元素。这个函数在数据处理和神经网络的正则化技术中特别有用，比如实现dropout或者masking策略。torch.where 的基本用法类似于Python的内建函数 np.where，但它专门针对PyTorch张量进行了优化。
torch.where 函数接受三个参数：
condition：一个布尔型张量，指定了从另外两个张量中选择元素的条件。
x：第一个张量，当 condition 为 True 时，其对应位置的元素将被选中。
y：第二个张量，当 condition 为 False 时，其对应位置的元素将被选中。
torch.where 返回一个新的张量，其中包含了根据 condition 从 x 和 y 中选择的元素。
3. 基本用法示例
下面是一个简单的例子，展示了如何使用 torch.where 来从一个张量中选择大于某个阈值的元素，并用另一个张量的相应元素替换它们。
import torch
# 创建两个张量
x = torch.tensor([1, 4, 3, 7, 2])
y = torch.tensor([0.5, 0.6, 0.7, 0.8, 0.9])
# 定义一个条件张量
condition = x > 3
# 使用torch.where根据条件选择元素
result = torch.where(condition, y, x)
print("原始张量 x:", x)
print("替换张量 y:", y)
print("条件张量 (x > 3):", condition)
print("torch.where 结果:", result)运行结果如下。
原始张量 x: tensor([1., 4., 3., 7., 2.])
替换张量 y: tensor([0.5000, 0.6000, 0.7000, 0.8000, 0.9000])
条件张量 (x > 3): tensor([False, True, False, True, False])
torch.where 结果: tensor([1.0000, 0.6000, 3.0000, 0.8000, 2.0000])