Python-torch torch.clamp() 函數(shù)解析

1. 解析

torch.clamp(input, min, max, out=None) → Tensor

1）參數(shù)列表

• input：輸入張量；
• min：限制范圍下限；
• max：限制范圍上限；
• out：輸出張量。

2）功能

• clamp()函數(shù)的功能將輸入input張量每個元素的值壓縮到區(qū)間 [min,max]，并返回結(jié)果到一個新張量。

3）舉例

a=torch.randint(low=0,high=10,size=(10,1))
print(a)
b=torch.clamp(a,3,9)
print(b)

輸出：

tensor([[7],
        [5],
        [5],
        [4],
        [4],
        [9],
        [0],
        [1],
        [4],
        [1]])
tensor([[7],
        [5],
        [5],
        [4],
        [4],
        [9],
        [3],
        [3],
        [4],
        [3]])

2. 對比

clamp_() 與clamp() 的區(qū)別：

• pytorch中，一般來說如果對tensor的一個函數(shù)后加上了下劃線，則表明這是一個in-place類型。
• in-place類型是指，當(dāng)在一個tensor上操作了之后，是直接修改了這個tensor，而不是返回一個新的tensor并不修改舊的tensor。 

擴展：torch.clamp()函數(shù)

torch.clamp()函數(shù)用于對輸入張量進行截斷操作，將張量中的每個元素限制在指定的范圍內(nèi)。

其語法為：

torch.clamp(input, min, max, out=None) -> Tensor

其中，參數(shù)的含義如下：

• input：輸入張量。
• min：張量中的最小值。如果為None，則表示不對最小值進行限制。
• max：張量中的最大值。如果為None，則表示不對最大值進行限制。
• out：輸出張量。
• torch.clamp()函數(shù)返回一個新的張量，其中每個元素都被截斷在[min, max]的范圍內(nèi)。如果min或max為None，則對應(yīng)的限制條件被忽略。

下面是一個使用torch.clamp()函數(shù)的示例：

import torch
x = torch.randn(2, 3)
print(x)
y = torch.clamp(x, min=-0.5, max=0.5)
print(y)

輸出結(jié)果為：

tensor([[-0.3138, -0.1604, -0.4374],
        [-1.0861, -0.2837,  1.1688]])
tensor([[-0.3138, -0.1604, -0.4374],
        [-0.5000, -0.2837,  0.5000]])

可以看到，torch.clamp()函數(shù)將x張量中的元素限制在了[-0.5, 0.5]的范圍內(nèi)。

到此這篇關(guān)于Python-torch 之torch.clamp() 函數(shù)解析的文章就介紹到這了,更多相關(guān)torch.clamp() 函數(shù)內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評論