Where

تُرجع مواقع القيم غير الصفرية/الحقيقية في الموتر.

تُرجع هذه العملية إحداثيات العناصر الحقيقية في "الحالة". يتم إرجاع الإحداثيات في موتر ثنائي الأبعاد حيث يمثل البعد الأول (الصفوف) عدد العناصر الحقيقية، والبعد الثاني (الأعمدة) يمثل إحداثيات العناصر الحقيقية. ضع في اعتبارك أن شكل موتر الإخراج يمكن أن يختلف اعتمادًا على عدد القيم الحقيقية الموجودة في "الحالة". يتم إخراج المؤشرات بترتيب الصف الرئيسي.

على سبيل المثال:

# 'input' tensor is [[True, False]
 #                    [True, False]]
 # 'input' has two true values, so output has two coordinates.
 # 'input' has rank of 2, so coordinates have two indices.
 where(input) ==> [[0, 0],
                   [1, 0]]
 
 # `condition` tensor is [[[True, False]
 #                     [True, False]]
 #                    [[False, True]
 #                     [False, True]]
 #                    [[False, False]
 #                     [False, True]]]
 # 'input' has 5 true values, so output has 5 coordinates.
 # 'input' has rank of 3, so coordinates have three indices.
 where(input) ==> [[0, 0, 0],
                   [0, 1, 0],
                   [1, 0, 1],
                   [1, 1, 1],
                   [2, 1, 1]]
 
 # `condition` tensor is [[[1.5,  0.0]
 #                     [-0.5, 0.0]]
 #                    [[0.0,  0.25]
 #                     [0.0,  0.75]]
 #                    [[0.0,  0.0]
 #                     [0.0,  0.01]]]
 # 'input' has 5 nonzero values, so output has 5 coordinates.
 # 'input' has rank of 3, so coordinates have three indices.
 where(input) ==> [[0, 0, 0],
                   [0, 1, 0],
                   [1, 0, 1],
                   [1, 1, 1],
                   [2, 1, 1]]
 
 # `condition` tensor is [[[1.5 + 0.0j, 0.0  + 0.0j]
 #                     [0.0 + 0.5j, 0.0  + 0.0j]]
 #                    [[0.0 + 0.0j, 0.25 + 1.5j]
 #                     [0.0 + 0.0j, 0.75 + 0.0j]]
 #                    [[0.0 + 0.0j, 0.0  + 0.0j]
 #                     [0.0 + 0.0j, 0.01 + 0.0j]]]
 # 'input' has 5 nonzero magnitude values, so output has 5 coordinates.
 # 'input' has rank of 3, so coordinates have three indices.
 where(input) ==> [[0, 0, 0],
                   [0, 1, 0],
                   [1, 0, 1],
                   [1, 1, 1],
                   [2, 1, 1]]
 

تُرجع مواقع القيم غير الصفرية/الحقيقية في الموتر.

تُرجع هذه العملية إحداثيات العناصر الحقيقية في "الحالة". يتم إرجاع الإحداثيات في موتر ثنائي الأبعاد حيث يمثل البعد الأول (الصفوف) عدد العناصر الحقيقية، والبعد الثاني (الأعمدة) يمثل إحداثيات العناصر الحقيقية. ضع في اعتبارك أن شكل موتر الإخراج يمكن أن يختلف اعتمادًا على عدد القيم الحقيقية الموجودة في "الحالة". يتم إخراج المؤشرات بترتيب الصف الرئيسي.

على سبيل المثال:

# 'input' tensor is [[True, False]
 #                    [True, False]]
 # 'input' has two true values, so output has two coordinates.
 # 'input' has rank of 2, so coordinates have two indices.
 where(input) ==> [[0, 0],
                   [1, 0]]
 
 # `condition` tensor is [[[True, False]
 #                     [True, False]]
 #                    [[False, True]
 #                     [False, True]]
 #                    [[False, False]
 #                     [False, True]]]
 # 'input' has 5 true values, so output has 5 coordinates.
 # 'input' has rank of 3, so coordinates have three indices.
 where(input) ==> [[0, 0, 0],
                   [0, 1, 0],
                   [1, 0, 1],
                   [1, 1, 1],
                   [2, 1, 1]]
 
 # `condition` tensor is [[[1.5,  0.0]
 #                     [-0.5, 0.0]]
 #                    [[0.0,  0.25]
 #                     [0.0,  0.75]]
 #                    [[0.0,  0.0]
 #                     [0.0,  0.01]]]
 # 'input' has 5 nonzero values, so output has 5 coordinates.
 # 'input' has rank of 3, so coordinates have three indices.
 where(input) ==> [[0, 0, 0],
                   [0, 1, 0],
                   [1, 0, 1],
                   [1, 1, 1],
                   [2, 1, 1]]
 
 # `condition` tensor is [[[1.5 + 0.0j, 0.0  + 0.0j]
 #                     [0.0 + 0.5j, 0.0  + 0.0j]]
 #                    [[0.0 + 0.0j, 0.25 + 1.5j]
 #                     [0.0 + 0.0j, 0.75 + 0.0j]]
 #                    [[0.0 + 0.0j, 0.0  + 0.0j]
 #                     [0.0 + 0.0j, 0.01 + 0.0j]]]
 # 'input' has 5 nonzero magnitude values, so output has 5 coordinates.
 # 'input' has rank of 3, so coordinates have three indices.
 where(input) ==> [[0, 0, 0],
                   [0, 1, 0],
                   [1, 0, 1],
                   [1, 1, 1],
                   [2, 1, 1]]