pytorch - 如何从输入 ID 中获取填充掩码？

Question

考虑如下所示的一批 4 个预处理句子（标记化、数字化和填充）：

batch = torch.tensor([
                      [1, 2, 0, 0],
                      [4, 0, 0, 0],
                      [3, 5, 6, 7]
])

令牌的0状态。[PAD]

因此，生成与在位置分配零并将一个分配给其他输入数据（句子标记）padding masking相同形状的张量的有效方法是什么？batch[PAD]

在上面的示例中，它将类似于：

padding_masking= 
tensor([
                      [1, 1, 0, 0],
                      [1, 0, 0, 0],
                      [1, 1, 1, 1]
])

score 3 · Accepted Answer

以下是在 pytorch 1.3.1 上测试的。

pad_token_id = 0
batch = torch.tensor([
    [1, 2, 0, 0],
    [4, 0, 0, 0],
    [3, 5, 6, 7]
])
pad_mask = ~(batch == pad_token_id)
print(pad_mask)

输出

tensor([[1, 1, 0, 0],
        [1, 0, 0, 0],
        [1, 1, 1, 1]], dtype=torch.uint8)

score 1 · Accepted Answer

你可以得到你想要的结果

padding_masking = batch > 0

如果您想要整数而不是布尔值，请使用

padding_masking.type(torch.int)

2 回答 2