PyTorch中与NumPy的logical_and.accumulate等效的操作是什么？

在PyTorch中没有直接对应NumPy logical_and.accumulate 的API，但可以通过torch.cumprod实现完全等效的功能——因为累积逻辑与运算和元素累积乘积的结果在布尔值场景下完全一致（True等价于1，False等价于0，累积乘积的逻辑和逻辑与累积完全匹配）。

等效代码实现 #

对应你给出的NumPy示例，PyTorch中的实现如下：

import torch

# 创建输入张量，对应原NumPy的x
x = torch.tensor([[False, True, False], [True, False, True]])

# 对应axis=0的累积逻辑与
z0 = torch.cumprod(x, dim=0)
# 对应axis=1的累积逻辑与
z1 = torch.cumprod(x, dim=1)

验证结果 #

执行上述代码后，输出结果与NumPy完全一致：

print(z0)
# tensor([[False,  True, False],
#         [False, False, False]])

print(z1)
# tensor([[False, False, False],
#         [ True, False, False]])

如果需要显式控制数据类型（比如先转整数再转回布尔），也可以写成：

z0 = torch.cumprod(x.int(), dim=0).bool()
z1 = torch.cumprod(x.int(), dim=1).bool()

结果与直接使用布尔张量计算完全相同。

内容的提问来源于stack exchange，提问作者Wei Li