Question

我有一个张量inp，其张量为：torch.Size([4, 122, 161])。

我还有一个mask，大小为：torch.Size([4, 122])。

我的mask中的每个元素如下所示：

tensor([0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
        0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
        0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
        0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
        0., 0., 0., 0., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1.,
        1., 1., 1., 1., 1., 1., 1., 1., 1., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
        0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.],
       device='cuda:0', grad_fn=<SelectBackward>)

因此，我想将inp修剪为沿维度= 1缩小，以仅存在于mask具有1的地方。在所示的情况下，有23个1，因此我希望inp的大小为：torch.Size([4, 23, 161])

Answer 1

我认为高级索引会起作用。（我假设每个面罩平均有23 1s）

inp_trimmed = inp[mask.type(torch.bool)].reshape(4,23,161)

如何使用PyTorch基于蒙版修剪张量？

1 个答案: