Python PyTorch clamp()方法

2025年3月5日 | 阅读 3 分钟

要将每个分量裁剪到范围 [min, max]，请调用 torch.clamp()。需要三个边界：数据张量、基数和最大值。小于 min 的值将被替换为 min，大于 maximum 的值将被替换为 maximum。

如果未给出 min，则没有下限。如果省略了 Max，则不会有上限。假设 min 和 max 分别设置为 -0.5 和 0.4，则小于 -0.5 或大于 0.4 的值将被替换。这些值之间的区域没有变化。它只接受具有实际值的输入。

语法

参数

input - 输入张量。
min - 下界；它可以是数字或张量。
max - 上界；它可以是数字或张量。

在所有输入项都被裁剪到 [min, max] 范围后，将返回一个新的张量。

步骤：

导入必要的库。以下所有示例所需的 Python 模块是 torch。请检查您是否已安装。

创建一个输入张量，然后打印它。

 
a = torch.tensor([0.73, 0.35, -0.39, -1.53])
print("input tensor:", a)   

裁剪输入张量的元素。这里，我们使用 min=-0.5，max=0.5。

张量被裁剪后，打印它。

示例 1

下面的 Python 程序裁剪了 1D 输入张量的分量。当 min 或 max 为 None 时，请注意 clamp() 函数如何工作。

 
# Import the necessary library
import torch
# defining a 1D tensor
a = torch.tensor([ 0.73, 0.35, -0.39, -1.53])
print("input tensor:", a)
print("clamp the tensor:")
print("into range [-0.5, 0.5]:")
t1 = torch.clamp(a, min=-0.5, max=0.5)
print(t1)
print("if min is None:")
t2 = torch.clamp(a, max=0.5)
print(t2)
print("if max is None:")
t3 = torch.clamp(a, min=0.5)
print(t3)
print("if min is greater than max:")
t4 = torch.clamp(a, min=0.6, max=.5)
print(t4)   

输出

 
input tensor: tensor([ 0.7300,  0.3500, -0.3900, -1.5300])
clamp the tensor:
into range [-0.5, 0.5]:
tensor([ 0.5000,  0.3500, -0.3900, -0.5000])
if min is None:
tensor([ 0.5000,  0.3500, -0.3900, -1.5300])
if max is None:
tensor([0.7300, 0.5000, 0.5000, 0.5000])
if min is greater than max:
tensor([0.5000, 0.5000, 0.5000, 0.5000])

说明

此 Python 代码说明了如何使用 PyTorch 的 torch.clamp() 方法将张量值限制在特定约束范围内。在生成 1D 张量 a 后，torch.clamp() 用于将值裁剪到 [-0.5, 0.5] 区间。演示了几个示例，包括处理 min 大于 max 的情况，以及使用 min 和 max 边界、仅 max 边界和仅 min 边界进行裁剪。显示了每种情况对应的输出，展示了张量值如何响应给定的限制而变化。

示例 2

下面的 Python 程序裁剪了 2D 输入张量的分量。当 min 或 max 为 None 时，请注意 clamp() 函数如何工作。

 
# Importing the necessary library
import torch
# defining a 2D tensor of size [3, 4]
a = torch.randn(3,4)
print("input tensor:", a)
print("clamp the tensor:")
print("into range [-0.6, 0.4]:")
t1 = torch.clamp(a, min=-0.6, max=0.4)
print(t1)
print("if min is None (max=0.4):")
t2 = torch.clamp(a, max=0.4)
print(t2)
print("if max is None (min=-0.6):")
t3 = torch.clamp(a, min=-0.6)
print(t3)
print("if min is greater than max (min=0.6, max=0.4):")
t4 = torch.clamp(a, min=0.6, max=0.4)
print(t4)   

输出

 
input tensor: tensor([[-0.7272, -1.4916, -0.0681, -0.6933],
        [-0.3091, -1.3365,  1.6109, -0.8578],
        [ 0.7421,  0.6433,  1.6438,  2.3845]])
clamp the tensor:
into range [-0.6, 0.4]:
tensor([[-0.6000, -0.6000, -0.0681, -0.6000],
        [-0.3091, -0.6000,  0.4000, -0.6000],
        [ 0.4000,  0.4000,  0.4000,  0.4000]])
if min is None (max=0.4):
tensor([[-0.7272, -1.4916, -0.0681, -0.6933],
        [-0.3091, -1.3365,  0.4000, -0.8578],
        [ 0.4000,  0.4000,  0.4000,  0.4000]])
if max is None (min=-0.6):
tensor([[-0.6000, -0.6000, -0.0681, -0.6000],
        [-0.3091, -0.6000,  1.6109, -0.6000],
        [ 0.7421,  0.6433,  1.6438,  2.3845]])
if min is greater than max (min=0.6, max=0.4):
tensor([[0.4000, 0.4000, 0.4000, 0.4000],
        [0.4000, 0.4000, 0.4000, 0.4000],
        [0.4000, 0.4000, 0.4000, 0.4000]])

说明

此 Python 脚本展示了如何使用 PyTorch 的 torch.clamp() 函数将张量数据约束在特定边界内。为了演示具有最小和最大限制、仅最大限制、仅最小限制的情况，以及处理最小限制超过最大限制的情况，它构建了一个 2D 张量并使用 torch.clamp() 将值限制在 -0.6 和 0.4 之间。结果显示了张量值的适当调整。

下一个主题Python-sdk-for-computer-vision-annotation-tool

Python PyTorch clamp()方法

联系信息

关注我们

教程

面试题

在线编译器

Python

Java

.Net Framework

AI, ML and Data Science

Cloud Technology

B.Tech and MCA

Web Technology

PHP

Software Testing

Technical Interview

Java Interview

Python

Web Interview

Database Interview

B.Tech / MCA

Important Interview

Software Testing Interview

Company Interviews

Online Compilers

Multiple Choice Questions

其他

Python PyTorch clamp()方法

相关帖子

Python中的Hough变换算法

Python中的IOError

使用Python ML预测葡萄酒质量

使用Python将一个目录中的所有文件复制到另一个目录

如何在Matplotlib中绘制平滑曲线

如何在Python中获取整数的符号

如何在Python中检查列表是否为空

动态规划 (DP)

使用Turtle在Python中编写“我爱你”程序

PyVista Python入门

订阅 Tpoint Tech

联系信息

关注我们

教程

面试题

在线编译器