[Pytorch]寻求矢量化实现

Question

这是我的代码，“ x”是大小为（out_c，in_c，k_h，k_w）的常规CNN权重，其中 out_c 也是CNN内核的数量。 lb （下界）和 ub （上键）是两个预定义的一维numpy数组，长度为 out_c 。

任务是确保所有CNN内核权重的值在 lb 和 ub （即 lb [i] < / strong> < x [i，：，：，：] < ub [i] ，0 <= i < out_c ），剪裁所有异常值。 此外，我需要保留离群值遮罩以用于其他用途。

但是，我找不到一个完全向量化的解决方案，因此不涉及for循环。我正在使用Pytorch 0.3.1，有什么方法可以使此代码段完全矢量化（摆脱for循环）？谢谢。

N = x.size(0) # number of cnn kernel
lower_mask = []
upper_mask = []
for i in range(N):
    lower_mask.append(x[i] < lb.tolist()[i])
    upper_mask.append(ub.tolist()[i] < x[i])
    x[i].clamp_(lb.tolist()[i], ub.tolist()[i])
lower_mask = torch.stack(lower_mask).cuda()
upper_mask = torch.stack(upper_mask).cuda()