PyTorch 中torch.clamp函数使用详解和实战示例(最新整理)_正则表达式

torch.clamp 是 pytorch 中的一个非常有用的函数，它可以将张量的每个元素限制在一个指定的范围内，超出范围的元素将被裁剪为边界值。

函数签名：

torch.clamp(input, min=none, max=none, out=none)

参数说明：

input：输入张量。
min：下限值，所有小于该值的元素会被置为该值。如果设置为 none，则不对下限进行裁剪。
max：上限值，所有大于该值的元素会被置为该值。如果设置为 none，则不对上限进行裁剪。
out：输出张量，指定裁剪后的结果存放的位置。如果不指定，默认会创建一个新的张量来存放结果。

返回值：

返回一个新的张量，其中所有元素都被限制在 [min, max] 范围内。如果元素超出了这个范围，就会被替换为相应的边界值。

功能描述：

如果没有设置 min 或 max，则只会进行一个方向的裁剪。
这个操作并不会改变原始的 input 张量，而是返回一个新的张量。

用法示例：

1. 基本示例：限制张量在指定范围内

import torch
# 创建一个张量
tensor = torch.tensor([-1.0, 2.0, 3.0, 4.0, 5.0])
# 限制张量元素在 [0, 4] 范围内
clamped_tensor = torch.clamp(tensor, min=0, max=4)
print(clamped_tensor)

输出：

tensor([0.0, 2.0, 3.0, 4.0, 4.0])

在这个例子中，所有小于 0 的元素被替换为 0，所有大于 4 的元素被替换为 4。

2. 只有上限裁剪：只限制最大值

import torch
# 创建一个张量
tensor = torch.tensor([-1.0, 2.0, 3.0, 4.0, 5.0])
# 限制张量元素不超过 4
clamped_tensor = torch.clamp(tensor, max=4)
print(clamped_tensor)

输出：

tensor([-1.0, 2.0, 3.0, 4.0, 4.0])

3. 只有下限裁剪：只限制最小值

import torch
# 创建一个张量
tensor = torch.tensor([-1.0, 2.0, 3.0, 4.0, 5.0])
# 限制张量元素不小于 0
clamped_tensor = torch.clamp(tensor, min=0)
print(clamped_tensor)

输出：

tensor([0.0, 2.0, 3.0, 4.0, 5.0])

4. 直接修改原始张量：

import torch
# 创建一个张量
tensor = torch.tensor([-1.0, 2.0, 3.0, 4.0, 5.0])
# 使用 out 参数来修改原始张量
torch.clamp(tensor, min=0, max=4, out=tensor)
print(tensor)

输出：

tensor([0.0, 2.0, 3.0, 4.0, 4.0])

在这个示例中，tensor 张量会被就地修改（通过 out 参数）。原始张量的内容被更新为裁剪后的结果。

5. 处理浮动的张量

torch.clamp 也可以应用于浮动的张量数据，以下是一个浮动张量的例子：

import torch
# 创建一个浮动张量
tensor = torch.tensor([0.5, 1.2, 2.5, -0.3, 3.8])
# 限制在 [0, 3] 之间
clamped_tensor = torch.clamp(tensor, min=0, max=3)
print(clamped_tensor)

输出：

tensor([0.5000, 1.2000, 2.5000, 0.0000, 3.0000])

6. 与激活函数结合的应用（例如 relu）：

torch.clamp 在一些常见激活函数（如 relu）中被广泛使用：

import torch
# 创建一个张量
tensor = torch.tensor([-0.5, 0.2, -1.0, 0.8])
# relu 激活函数（将小于0的值置为0）
clamped_tensor = torch.clamp(tensor, min=0)
print(clamped_tensor)

输出：