博客
关于我
强烈建议你试试无所不能的chatGPT,快点击我
pytorch笔记:torch.meshgrid()、torch.clamp()、tensor.clamp()理解
阅读量:3904 次
发布时间:2019-05-23

本文共 724 字,大约阅读时间需要 2 分钟。

引言

最近在看mmdetection源码,遇到了torch.meshgrid()、torch.clamp()这两个函数,觉得这两个函数用处很大,所以来记录一下。

torch.meshgrid()

x1 ,y1 = torch.meshgrid(x,y)

参数是两个,第一个参数我们假设是x,第二个参数假设就是y
输出的是两个tensor,size就是x.size * y.size(行数是x的个数,列数是y的个数)
具体输出看下面
注意:两个参数的数据类型要相同,要么都是float,要么都是int,否则会报错。
在这里插入图片描述

torch.clamp()

torch.clamp(input, min, max, out=None) → Tensor

将输入input张量每个元素的夹紧到区间 [min,max][min,max],并返回结果到一个新张量。

操作定义如下:

| min, if x_i < miny_i = | x_i, if min <= x_i <= max      | max, if x_i > max

参数:

  • input (Tensor) – 输入张量
  • min (Number) – 限制范围下限
  • max (Number) – 限制范围上限
  • out (Tensor, optional) – 输出张量

示例:

在这里插入图片描述

tensor.clamp()

tensor.clamp(min, max, out=None) → Tensor

跟上面是一样的作用,tensor就是input

参数:

  • min (Number) – 限制范围下限
  • max (Number) – 限制范围上限
  • out (Tensor, optional) – 输出张量

示例:

在这里插入图片描述

转载地址:http://gbxen.baihongyu.com/

你可能感兴趣的文章
工欲善其事,必先利其器之—MAC下搭建clojure的开发环境
查看>>
如何在gradle脚本中判断运行时的系统
查看>>
工欲善其事,必先利其器之—MAC下安装与配置emacs
查看>>
开始使用Sublime Text 2
查看>>
有关Android编译相关知识点的文章
查看>>
通过AS直接查看APK的resources.arsc文件(应用资源表)
查看>>
不通过R.jav类仅通过字符串名称获取各类资源
查看>>
不通过R类获取自定义样式资源ID数组
查看>>
使用WebView的注意事项(加载视频播放页)
查看>>
bash: ./t.sh:/bin/bash^M:损坏的解释器: 没有那个文件或目录
查看>>
工欲善其事,必先利其器之—命令行下使用jdb调试android应用(MAC环境)
查看>>
android仅通过自定义属性id值获取样式自定义属性值
查看>>
工欲善其事,必先利其器之—Charles截包工具的配置与使用
查看>>
OpenGLRenderer: Bitmap too large to be uploaded into a texture 的原因简析
查看>>
Nexus 5 Android6.0.1 Chrome下载apk失败的原因分析
查看>>
emacs + cscope 的使用
查看>>
ubuntu各文件夹简介
查看>>
Android系统中setprop,getprop,watchprops命令的使用
查看>>
常用文档链接汇总(记录)
查看>>
工欲善其事,必先利其器之—使用sdkman安装与管理gradle版本
查看>>