我想对2D阵列上的PyTorch张量执行类似于np.clip的操作。更具体地说，我想将每列剪切到特定的值范围内（取决于列）。例如，在numpy中，您可以执行以下操作：
x = np.array([-1,10,3])
low = np.array([0,0,1])
high = np.array([2,5,4])
clipped_x = np.clip(x, low, high)
clipped_x == np.array([0,5,3]) # True
我找到了torch.clamp，但是不幸的是它不支持多维范围（整个张量只有一个标量值）。有没有一种“巧妙”的方法可以将该功能扩展到我的情况？
谢谢！
答案 0 :(得分：1)
不像np.clip那样整洁，但是您可以使用torch.max和torch.min：
In [1]: x
Out[1]:
tensor([[0.9752, 0.5587, 0.0972],
[0.9534, 0.2731, 0.6953]])
设置每列的上下限
l = torch.tensor([[0.2, 0.3, 0.]])
u = torch.tensor([[0.8, 1., 0.65]])
请注意，下界l和上界u是1×3张量（具有单例尺寸的2D）。我们需要将l和u的尺寸设置为broadcastable到x的形状。
现在我们可以使用min和max进行裁剪：
clipped_x = torch.max(torch.min(x, u), l)
结果
tensor([[0.8000, 0.5587, 0.0972],
[0.8000, 0.3000, 0.6500]])