如何在PyTorch中仅对特定值使用torch.eq()实现元素级相等判断？

当然可以搞定这个需求！核心思路就是先筛选出两个张量对应位置同时为1的元素，再统计它们的数量，我给你两种实用的实现方式：

• 分步清晰版：先分别生成两个张量等于1的掩码，再取逻辑交集，最后求和

  import torch
  
  # 示例张量（多维张量也适用）
  tensor_a = torch.tensor([[1, 0, 1], [0, 1, 0]])
  tensor_b = torch.tensor([[1, 1, 1], [1, 1, 0]])
  
  # 1. 生成各自等于1的掩码（布尔张量，True表示对应位置是1）
  mask_a = tensor_a == 1
  mask_b = tensor_b == 1
  
  # 2. 找出同时满足两个条件的位置（逻辑与操作）
  both_one_mask = mask_a & mask_b
  
  # 3. 统计数量：布尔张量中True等价于1，直接求和后转成Python数值
  target_count = both_one_mask.sum().item()
  
  print(target_count)  # 输出3，对应(0,0)、(0,2)、(1,1)这三个位置
  

• 简洁一行版：把判断合并成一步
  如果觉得分步写太啰嗦，可以把逻辑整合到一行里，效果完全一样：

  target_count = (torch.eq(tensor_a, tensor_b) & (tensor_a == 1)).sum().item()
  

  这里torch.eq(tensor_a, tensor_b)先找出两个张量对应位置相等的元素，再和tensor_a == 1取交集，就精准定位到了「相等且值为1」的位置，最后求和统计数量。

额外提示：如果需要按特定维度统计（比如每行的符合条件元素数），可以给sum()加上dim参数，比如sum(dim=1)就会返回每行的统计结果。

内容的提问来源于stack exchange，提问作者Jimbo