mindspore.ops.select

mindspore.ops.select(condition, input, other)[源代码]

根据条件判断Tensor中的元素的值，来决定输出中的相应元素是从 input （如果元素值为True）还是从 other （如果元素值为False）中选择。

该算法可以被定义为：

\[\begin{split}out_i = \begin{cases} input_i, & \text{if } condition_i \\ other_i, & \text{otherwise} \end{cases}\end{split}\]
参数：

  • condition (Tensor[bool]) - 条件Tensor，决定选择哪一个元素，shape是 \((x_1, x_2, ..., x_N, ..., x_R)\)。

  • input (Union[Tensor, int, float]) - 第一个被选择的Tensor或者数字。 如果input是一个Tensor，那么shape是或者可以被广播为 \((x_1, x_2, ..., x_N, ..., x_R)\)。 如果input是int或者float，那么将会被转化为int32或者float32类型，并且被广播为与other相同的shape。input和other中至少要有一个Tensor。

  • other (Union[Tensor, int, float]) - 第二个被选择的Tensor或者数字。 如果other是一个Tensor，那么shape是或者可以被广播为 \((x_1, x_2, ..., x_N, ..., x_R)\)。 如果other是int或者float，那么将会被转化为int32或者float32类型，并且被广播为与input相同的shape。input和other中至少要有一个Tensor。

返回：

Tensor，与 condition 的shape相同。

异常：

  • TypeError - input 和 other 不是Tensor、int或者float。

  • ValueError - 输入的shape不能被广播。

支持平台：

Ascend GPU CPU

样例：

>>> import mindspore
>>> from mindspore import Tensor, ops
>>> # Both inputs are Tensor
>>> cond = Tensor([True, False])
>>> x = Tensor([2,3], mindspore.float32)
>>> y = Tensor([1,2], mindspore.float32)
>>> output = ops.select(cond, x, y)
>>> print(output)
[2. 2.]