pytorch之Tensor数据筛选

最新推荐文章于 2022-11-18 21:13:52 发布

秃头蜘蛛

最新推荐文章于 2022-11-18 21:13:52 发布

阅读量4.1k

点赞数 3

分类专栏： pytorch 文章标签：计算机视觉

本文链接：https://blog.youkuaiyun.com/go___on/article/details/124248642

版权

本文介绍了PyTorch中处理Tensor数据筛选的方法，包括在梯度处理中的裁剪运算，如梯度离散和梯度爆炸情况下的处理。详细探讨了torch.where、index_select、gather、masked_select和take等函数的使用，以及nonzero函数在索引和筛选上的应用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

tensor的裁剪运算：
对Tensor中的元素进行范围过滤，常用于梯度裁剪，即发生梯度离散或梯度爆炸时对梯度的处理。

a.clamp( m, n ) #Tensor元素小于m的数设置为m，大于n的数设置为n，中间数不变

张量的索引与数据筛选
在这里插入图片描述
torch.where（）

a = torch.rand(4,4)
b = torch.rand(4,4)
print(a)
print(b)
out = torch.where(a>0.5, a, b) #a中元素大于0.5就取a，否则取b中元素
print(out)
**运行结果如下：**
tensor([[0.8398, 0.6471, 0.4569, 0.4201],
        [0.7709, 0.3473, 0.3266, 0.7476],
        [0.3464, 0.1817, 0.9940, 0.8923],
        [0.1200, 0.3620, 0.8695, 0.5287]])
tensor([[0.2696, 0.8583, 0.1839, 0.1974],
        [0.5311, 0.5031, 0.8511, 0.2318],
        [0.2731, 0.2629, 0.5364, 0.4485],
        [0.6691, 0.6053, 0.3791, 0.7288]])
tensor([[0.8398, 0.6471, 0.1839, 0.1974], #out的值
        [0.7709, 0.5031, 0.8511, 0.7476],
        [0.2