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/