torch中的几个函数（min()、max()、prod()、clamp_()、where（））

torch.min()、torch.max()、torch.prod() 

 　　这两个函数很好理解，就是求张量中的最小值和最大值以及相乘

　　　　1.在这两个函数中如果没有指定维度的话，那么默认是将张量中的所有值进行比较，输出最大值或者最小值或是所有值相乘。

　　　　2.而当指定维度之后，会将对应维度的数据进行比较，同时输出的有最小值以及这个最小值在对应维度的下标，或是指定维度相乘

　　　　3.使用这两个函数对两个张量进行比较时，输出的是张量中每一个值对应位置的最小值，对应位置相乘

>>> a = torch.Tensor([[1,2,3,4],[5,6,7,8]])
>>> b = torch.Tensor([[2,1,4,3],[6,5,8,7]])
>>> torch.min(a)
tensor(1.)

>>> torch.min(a,dim=0)
torch.return_types.min(
values=tensor([1., 2., 3., 4.]),
indices=tensor([0, 0, 0, 0]))

>>> torch.min(a,b)
tensor([[1., 1., 3., 3.],
        [5., 5., 7., 7.]])

>>> torch.min(a[:,2:],b[:,2:])
tensor([[3., 3.],
        [7., 7.]])

torch.clamp_()

　　这个函数其实就是对张量进行上下限的限制，超过了指定的上限或是下限之后，该值赋值为确定的界限的值

 

>>> a = torch.Tensor([[1,2,3,4],[5,6,7,8]])
>>> a.clamp_(min = 2.5,max = 6.5)

tensor([[2.5000, 2.5000, 3.0000, 4.0000],
        [5.0000, 6.0000, 6.5000, 6.5000]])

 

torch.where()

　　函数的定义如下：

1. torch.where(condition, x, y):
2.  condition：判断条件
3.  x：若满足条件，则取x中元素
4.  y：若不满足条件，则取y中元素

import torch
# 条件
condition = torch.rand(3, 2)
print(condition)
# 满足条件则取x中对应元素
x = torch.ones(3, 2)
print(x)
# 不满足条件则取y中对应元素
y = torch.zeros(3, 2)
print(y)
# 条件判断后的结果
result = torch.where(condition > 0.5, x, y)
print(result)




tensor([[0.3224, 0.5789],
        [0.8341, 0.1673],
        [0.1668, 0.4933]])
tensor([[1., 1.],
        [1., 1.],
        [1., 1.]])
tensor([[0., 0.],
        [0., 0.],
        [0., 0.]])
tensor([[0., 1.],
        [1., 0.],
        [0., 0.]])

　　可以看到是对张量中的每一个值进行比较，单独进行条件判断，输出张量对应的位置为判断后对应判择的输出