i_{dx} $ 中，后通 过分别知道每个维度坐标信息来采样数据。方式二中的采样方式与 TensorFlow 框架中的 gather nd 函数是类似的。 实际上，[]索引方式既可以实现 index_select 函数，又可以实现多维坐标索引方式，更加推荐。 #### 5.6.2 掩码采样 除了可以通过给定索引号的方式采样，还可以通过给定掩码(Mask)的方式进行采样。继续以 shape 为 $$ False, False, True, True, False, False, True]) torch.Size([4, 35, 4]) 不难发现，这种通过 Mask 方式的用法其实与 index_select 非常类似，只不过一个通过掩码方式采样，一个直接给出索引号采样。 现在来考虑多维掩码采样方式。为了方便演示，这里将班级数量减少到2个，学生的数量减少到3个，即一个班级只有3个学生，shape为 4、3 门科目 [7, 6], # 班级 2，学生 2，采样第 3、2 门科目 [3, 2]]]） # 班级 2，学生 3，采样第 2、1 门科目 可以看到，gather 的采样方式与 index_select 等的采样方式是完全不同的，读者需要仔细体会两者的区别。 #### 5.6.4 Where 采样 通过 torch.where(cond, a, b) 操作可以根据 cond 条件的真假从参数