PROSAGA码农传奇-pytorch-torch.clamp中与列相关的边界

<div class =“post-text”itemprop =“text”>
  <P>
    不像那样整洁
     <code>
      np.clip
    </code>
    ，但你可以使用
    <a href="https://pytorch.org/docs/0.4.1/torch.html#torch.max" rel="nofollow noreferrer">
       <code>
        torch.max
      </code>
    </A>
     和
    <a href="https://pytorch.org/docs/0.4.1/torch.html#torch.min" rel="nofollow noreferrer">
       <code>
        torch.min
      </code>
    </A>
    ：
  </p>
   <pre>
    <code>
      In [1]: x
Out[1]:
tensor([[0.9752, 0.5587, 0.0972],
        [0.9534, 0.2731, 0.6953]])

</code>
  </pre>
  <P>
    设置每列的下限和上限
  </p>
   <pre>
    <code>
      l = torch.tensor([[0.2, 0.3, 0.]])
u = torch.tensor([[0.8, 1., 0.65]])

</code>
  </pre>
  <P>
    注意下限
     <code>
      l
    </code>
     和上限
     <code>
      u
    </code>
     是1乘3的张量（具有单一维度的2D）。我们需要这些尺寸
     <code>
      l
    </code>
     和
     <code>
      u
    </code>
     成为
    <a href="https://pytorch.org/docs/0.4.1/notes/broadcasting.html#broadcasting-semantics" rel="nofollow noreferrer">
      broadcastable
    </A>
     形状的
     <code>
      x
    </code>
    。
    <BR/>
    
现在我们可以剪辑使用了
     <code>
      min
    </code>
     和
     <code>
      max
    </code>
    ：
  </p>
   <pre>
    <code>
      clipped_x = torch.max(torch.min(x, u), l)

</code>
  </pre>
  <P>
    结果
  </p>
   <pre>
    <code>
      tensor([[0.8000, 0.5587, 0.0972],
        [0.8000, 0.3000, 0.6500]])

</code>
  </pre>
</DIV>