介绍
.bool() 方法，这个方法是 PyTorch 张量的常用操作，主要用于将张量转换为布尔类型（True/False），在掩码处理等场景中非常关键。
作用
将原张量中的元素 转换为布尔值（bool 类型），返回一个新的布尔型张量，规则如下：
- 数值
0→False - 非
0数值（正数/负数）→True - 原张量的形状、设备（CPU/GPU）等属性与新张量保持一致。
语法
Tensor.bool() → Tensor
提示：torch.Tensor.to(torch.bool) 的简化写法，二者效果完全相同，.bool() 更简洁。
例子（结合掩码场景）
示例1：基础转换（理解数值→布尔的规则）
下面通过具体例子，尤其是结合你之前关注的注意力掩码场景，帮你理解 .bool() 的用法：
import torch
x = torch.tensor([0, 1, -2, 0.0, 3.5])
x_bool = x.bool()
print("基础数值转布尔：")
print(f"原张量：{x}")
print(f"布尔张量：{x_bool}")
# 输出：
# 原张量：tensor([ 0.0000, 1.0000, -2.0000, 0.0000, 3.5000])
# 布尔张量：tensor([False, True, True, False, True])
示例2：结合torch.triu生成自回归掩码（重点！）
# 第一步：生成上三角为1、下三角为0的矩阵（seq_len=4）
mask_raw = torch.triu(torch.ones(4, 4), diagonal=1)
print("\n生成原始掩码矩阵：")
print(mask_raw)
# 输出：
# tensor([[0., 1., 1., 1.],
# [0., 0., 1., 1.],
# [0., 0., 0., 1.],
# [0., 0., 0., 0.]])
# 第二步：转为布尔掩码（关键！1→True，0→False）
mask_bool = mask_raw.bool()
print("\n转为布尔掩码：")
print(mask_bool)
# 输出：
# tensor([[False, True, True, True],
# [False, False, True, True],
# [False, False, False, True],
# [False, False, False, False]])
示例3：在masked_fill中使用布尔掩码（核心场景）
scores = torch.randn(1, 4, 4) # 模拟注意力分数
print("\n原始注意力分数：")
print(scores)
# 用布尔掩码屏蔽位置（True的位置填充-1e9）
scores_masked = scores.masked_fill(mask_bool.unsqueeze(0), -1e9)
print("\n应用掩码后的注意力分数：")
print(scores_masked)
输出特征：
- 布尔掩码中
True对应需要屏蔽的“未来位置”，False对应可关注的“当前/过去位置”； masked_fill方法会识别布尔张量的True位置，将这些位置的数值替换为指定值（如-1e9）。
为什么必须用 .bool()？
在注意力掩码场景中，.bool() 是必要步骤，原因如下：
- PyTorch 的
masked_fill方法要求掩码必须是布尔型张量（或与输入同类型的数值张量，但布尔型更直观、高效）； - 数值型掩码（如 0/1）直接传入
masked_fill会报错，必须转为布尔型才能正确识别“需要屏蔽的位置”。
总结
.bool()是 PyTorch 张量的类型转换方法，将数值张量转为布尔张量（0→False，非0→True）；- 在注意力掩码场景中，
.bool()是连接“数值掩码（0/1）”和“可使用的布尔掩码”的关键步骤； masked_fill等掩码相关方法必须配合布尔掩码使用，.bool()是实现这一目标的核心操作。