torch中的幾個函數（min()、max()、prod()、clamp_()、where（））

torch.min()、torch.max()、torch.prod() 

 　　這兩個函數很好理解，就是求張量中的最小值和最大值以及相乘

　　　　1.在這兩個函數中如果沒有指定維度的話，那么默認是將張量中的所有值進行比較，輸出最大值或者最小值或是所有值相乘。

　　　　2.而當指定維度之后，會將對應維度的數據進行比較，同時輸出的有最小值以及這個最小值在對應維度的下標，或是指定維度相乘

　　　　3.使用這兩個函數對兩個張量進行比較時，輸出的是張量中每一個值對應位置的最小值，對應位置相乘

>>> 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_()

　　這個函數其實就是對張量進行上下限的限制，超過了指定的上限或是下限之后，該值賦值為確定的界限的值

 

>>> 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()

　　函數的定義如下：

1. torch.where(condition, x, y):
2.  condition：判斷條件
3.  x：若滿足條件，則取x中元素
4.  y：若不滿足條件，則取y中元素

import torch
# 條件
condition = torch.rand(3, 2)
print(condition)
# 滿足條件則取x中對應元素
x = torch.ones(3, 2)
print(x)
# 不滿足條件則取y中對應元素
y = torch.zeros(3, 2)
print(y)
# 條件判斷后的結果
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.]])

　　可以看到是對張量中的每一個值進行比較，單獨進行條件判斷，輸出張量對應的位置為判斷后對應判擇的輸出