pytorch中torch.clamp()使用方法

torch.clamp(x, min, max)

该函数是用来做截断处理的，通常被使用在需要比较大小的地方。

x：待处理的tensor对象
min：截断的最小值
max：截断的最大值

该函数的截断规则为：

y i = { m i n ， x i < m i n x i ， m i n < = x i < = m a x m a x ， x i > m a x y_i=\begin{cases} min，\quad x_i<min\\ x_i，\quad min<=x_i<=max \\ max，\quad x_i>max\\ \end{cases} yi=⎩⎪⎨⎪⎧min，xi<minxi，min<=xi<=maxmax，xi>max

示例：

>>>x = torch.arange(12)
>>>print(x)
tensor([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11])>>>torch.clamp(x, 2, 10)
tensor([ 2,  2,  2,  3,  4,  5,  6,  7,  8,  9, 10, 10])

我们可以看到小于2的位置的元素全部被替换为最小值2，大于10的位置全部被替换为最大值10，中间位置的数值保持不变。

pytorch中torch.clamp()使用方法相关推荐

pytorch 中 torch.optim.Adam 方法的使用和参数的解释
class torch.optim.Adam(params, lr=0.001, betas=(0.9, 0.999), eps=1e-08, weight_decay=0)[source] 实现Ad ...
PyTorch 中 torch.optim优化器的使用
一.优化器基本使用方法建立优化器实例循环: 清空梯度向前传播计算Loss 反向传播更新参数示例: from torch import optim input = ..... optimiz ...
Pytorch中的学习率调整方法
在梯度下降更新参数的时,我们往往需要定义一个学习率来控制参数更新的步幅大小,常用的学习率有0.01.0.001以及0.0001等,学习率越大则参数更新越大.一般来说,我们希望在训练初期学习率大一些,使 ...
Pytorch中torch.nn.Softmax的dim参数含义
自己搞了一晚上终于搞明白了,下文说的很透彻,做个记录,方便以后翻阅 Pytorch中torch.nn.Softmax的dim参数含义
pytorch中torch.optim的介绍
pytorch中torch.optim的介绍这是torch自带的一个优化器,里面自带了求导,更新等操作.开门见山直接讲怎么使用: 常用的引入: import torch.optim as optim ...
pytorch中的参数初始化方法
参数初始化(Weight Initialization) PyTorch 中参数的默认初始化在各个层的 reset_parameters() 方法中.例如:nn.Linear 和 nn.Conv2D, ...
pytorch笔记 torch.clamp（截取上下限）
1 基本用法 torch.clamp(input, min=None, max=None, *, out=None) 使得tensor中比min小的变成min,比max大的变成max 2 使用举例 i ...
【PyTorch】torch.clamp()==＞将input的值限制在[min, max]之间，并返回结果到一个新张量
函数定义: torch.clamp(input, min, max, out=None) 作用:限幅.将input的值限制在[min, max]之间,并返回结果到一个新张量参数: input (Te ...
pytorch中矩阵计算的一些方法|CSDN创作打卡
李沐老师线性代数那一章的总结一.平均数二.广播机制三.某个轴计算A的累加求和四.求矩阵点积五.求一个矩阵和一个向量的乘积六.求矩阵的乘积七.求向量范数八.求矩阵的范数一.平均数 1. ...

pytorch中torch.clamp()使用方法

pytorch中torch.clamp()使用方法相关推荐

最新文章

热门文章