在pytorch中，dtype=uint8的数据类型往往可以用作掩码，0表示舍弃对应项，1表示选取对应项。通过设置不同的0或1的值，对另外的tensor进行选择性选取：
例如：
t = torch.rand(4，2) """ tensor([[0.5492, 0.2083], [0.3635, 0.5198], [0.8294, 0.9869], [0.2987, 0.0279]]) """
# 注意以下mask数据类型是 uint8 mask = torch.ones(4,dtype=torch.uint8) mask[2] = 0 print(mask) print(t[mask, :]) # 选取tensor t的第一个维度（由mask所在的位置决定的，这是numpy的花式索引的知识）的第0，1，3个行，以及这三个行对应的所有列；舍弃t的第2行。 """ tensor([1, 1, 0, 1], dtype=torch.uint8) # 因为是uint8类型的，所以当它被另外一个tensor当作索引时，1代表选取，0代表舍弃。uint8只能是0或者1 tensor([[0.5492, 0.2083], [0.3635, 0.5198], [0.2987, 0.0279]]) """ # 注意， 以下数据类型是long，可以和上面的uint8做一下对比 idx = torch.ones(3,dtype=torch.long) idx[1] = 0 print(idx) print(t[idx, :]) """ tensor([1, 0, 1]) # 因为是long类型的，所以当它被另外一个tensor当作索引时，1代表选取对应维度的第一个，0代表选取维度的第0个。当然也可以是其他的整数。 tensor([[0.3635, 0.5198], [0.5492, 0.2083], [0.3635, 0.5198]]) """
再举个例子：当mask掩码的形状和另一个tensor idx的形状相同，mask作为索引的时候，0或1直接相当于舍去或选取idx相应位置的值
