一、numpy布爾索引掩碼

import numpy as npdata = np.arange(1, 11) mask=[True,False,True,False,True,False,True,False,True,False]print(data) print(data[mask])

返回值為：

[ 1 ?2 ?3 ?4 ?5 ?6 ?7 ?8 ?9 10]
[1 3 5 7 9]

二、numpy掩碼數(shù)組

掩碼數(shù)組通過numpy.ma來創(chuàng)建。

所謂掩碼，就是掩蓋的意思，后續(xù)掩碼數(shù)組的操作只有未被掩藏的元素會參與計算。
掩碼數(shù)組賦予了我們重新選擇元素的權(quán)利，而不用改變矩陣的維度。

示例一：

import numpy as np import numpy.ma as maa = np.arange(5) b = ma.masked_array(a, mask=[1,1,1,0,0]) print(a) print(b)

返回值為：

[0 1 2 3 4]
[-- -- -- 3 4]

示例二：

import matplotlib.pyplot as pltdata = np.random.rand(25 * 25).reshape(25, -1) mask = np.tri(data.shape[0], k=-1) data_masked = ma.array(data, mask=mask)fig, (ax1, ax2) = plt.subplots(1, 2) ax1.imshow(data) ax2.imshow(data_masked) plt.show()

返回為：

三、pytorch掩碼

pytorch使用tensor.masked_fill將張量中的一些值掩蓋掉。

方法原型：tensor.masked_fill(mask, value)

注意點：

mask中為1的部分使用value替代，0的部分保持原值

mask必須是一個ByteTensor類型的張量（由01組成）

import torchx = torch.arange(24).reshape(3, 2, 4) print(x.shape) masked = torch.ByteTensor([[[1, 0, 1, 0], [0, 1, 1, 1]],[[1, 0, 1, 0], [0, 1, 1, 1]],[[1, 0, 1, 0], [0, 1, 1, 1]]]) print(masked.shape) x = x.masked_fill(masked, 1e9) print(x)

?返回為：

torch.Size([3, 2, 4])
torch.Size([3, 2, 4])
tensor([[[1000000000, ? ? ? ? ?1, 1000000000, ? ? ? ? ?3],
? ? ? ? ?[ ? ? ? ? 4, 1000000000, 1000000000, 1000000000]],

? ? ? ? [[1000000000, ? ? ? ? ?9, 1000000000, ? ? ? ? 11],
? ? ? ? ?[ ? ? ? ?12, 1000000000, 1000000000, 1000000000]],

? ? ? ? [[1000000000, ? ? ? ? 17, 1000000000, ? ? ? ? 19],
? ? ? ? ?[ ? ? ? ?20, 1000000000, 1000000000, 1000000000]]])

總結(jié)

以上是生活随笔為你收集整理的从numpy掩码到pytorch掩码的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。