我想对二维数组上的 PyTorch 张量执行类似于 np.clip 的操作。更具体地说,我想将每一列剪裁在特定的值范围内(依赖于列)。例如,在 numpy 中,你可以这样做:
x = np.array([-1,10,3])
low = np.array([0,0,1])
high = np.array([2,5,4])
clipped_x = np.clip(x, low, high)
clipped_x == np.array([0,5,3]) # True
我找到了 torch.clamp,但不幸的是它不支持多维边界(整个张量只有一个标量值)。是否有一种“简洁”的方式将该功能扩展到我的案例?
谢谢!
最佳答案
不如np.clip
整洁,但您可以使用torch.max
和 torch.min
:
In [1]: x
Out[1]:
tensor([[0.9752, 0.5587, 0.0972],
[0.9534, 0.2731, 0.6953]])
设置每列的下限和上限
l = torch.tensor([[0.2, 0.3, 0.]])
u = torch.tensor([[0.8, 1., 0.65]])
请注意,下限 l
和上限 u
是 1×3 张量(具有单一维度的 2D)。我们需要将 l
和 u
的维度设为 broadcastable x
的形状。
现在我们可以使用 min
和 max
进行裁剪:
clipped_x = torch.max(torch.min(x, u), l)
结果为
tensor([[0.8000, 0.5587, 0.0972],
[0.8000, 0.3000, 0.6500]])
关于python - torch.clamp 中的列相关边界,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/54738045/