Paano Gamitin ang Paraang 'clamp()' sa PyTorch?

Paano Gamitin Ang Paraang Clamp Sa Pytorch



Ang PyTorch ay isang library ng machine learning na nagbibigay-daan sa mga user na bumuo/gumawa ng mga neural network. Ang 'clamp()' na paraan ay ginagamit upang limitahan ang mga halaga ng isang tensor sa loob ng isang partikular na hanay. Ang pamamaraang ito ay tumatagal ng isang partikular na tensor bilang input at nagbabalik ng isang bagong tensor kung saan ang bawat elemento ay naka-clamp sa loob ng tinukoy na hanay (minimum at maximum na mga halaga).

Ipapaliwanag ng blog na ito ang paraan para gamitin ang 'clamp()' na paraan sa PyTorch.

Paano Gamitin ang Paraang 'clamp()' sa PyTorch?

Upang gamitin ang 'clamp()' na paraan sa PyTorch, tingnan ang ibinigay na mga hakbang:







  • Mag-import ng library ng PyTorch
  • Lumikha ng nais na tensor
  • I-clamp ang mga elemento ng tensor gamit ang “clamp()” paraan
  • Display clamped values ​​tensor

Ang pangunahing syntax ng 'clamp()' ay:



tanglaw.pang-ipit ( , min =Wala, max =Wala )

Dito, ang 'min' ay ang lower bound value, at ang 'max' ay ang upper bound value.



Hayaan tuklasin ang mga hakbang:





Hakbang 1: Mag-import ng PyTorch Library
Una, i-import ang ' tanglaw ” library upang magamit ang pamamaraang “clamp()” sa PyTorch:

import na tanglaw



Hakbang 2: Gumawa ng Tensor
Pagkatapos, lumikha ng nais na tensor gamit ang “torch.tensor()” function at i-print ang mga elemento nito. Dito, nililikha namin ang sumusunod na 'Tens' tensor mula sa isang listahan:

Sampu = tanglaw.tensor ( [ 2 , 4 , 6 , 8 , 10 , 12 , 14 , 16 ] )

print ( sampu )

Ang output sa ibaba ay nagpapakita ng nilikha na tensor:

Hakbang 3: I-clamp ang Mga Elemento ng Tensor
Ngayon, gamitin ang function na 'clamp()' at ibigay ang input tensor at partikular na hanay (lower bound at upper bound) bilang mga argumento. Dito, ini-clamp namin ang mga elemento ng ' sampu ” tensor at pagtatakda ng min value na “5” at max value na “10”. Papalitan nito ang anumang value sa tensor na mas mababa sa 5 ng “5” at anumang value na mas mataas sa 10 ng “10”:

Clamp_tens = torch.clamp ( Sampu, my = 5 , max = 10 )

Hakbang 4: Ipakita ang Clamped Values ​​Tensor
Panghuli, ipakita ang tensor na may mga clamped value at tingnan ang mga elemento nito:

print ( Clamp_tens )

Sa output sa ibaba, mapapansin na ang mga value na mas mababa sa 5 at mas mataas sa 10 ay pinalitan ng '5' at '10' ayon sa pagkakabanggit. Ito ay nagpapahiwatig na ang 'clamp()' na paraan ay matagumpay na nailapat:

Katulad nito, kung tutukuyin natin ang iba't ibang min at max na halaga sa 'clamp()' function, mababago ang output:

Clamp_tens = torch.clamp ( Sampu, my = 7 , max = 13 )

print ( Clamp_tens )

Ang output sa ibaba ay nagpapakita na ang mga value na mas mababa sa 7 at mas mataas sa 13 ay matagumpay na napalitan ng '7' at '13' ayon sa pagkakabanggit.

Mahusay naming naipaliwanag ang paggamit ng 'clamp()' na paraan sa PyTorch.

Tandaan : Maa-access mo ang aming Google Colab Notebook dito link .

Konklusyon

Upang gamitin ang 'clamp()' na paraan sa PyTorch, una, i-import ang torch library. Pagkatapos, lumikha ng nais na tensor at tingnan ang mga elemento nito. Susunod, gamitin ang “clamp()” paraan upang i-clamp ang mga elemento ng input tensor. Kinakailangang ibigay ang input tensor at tiyak na hanay (lower bound at upper bound) bilang mga argumento. Panghuli, ipakita ang tensor na may mga clamped value at tingnan ang mga elemento nito. Ipinaliwanag ng write-up na ito ang paraan para gamitin ang 'clamp()' na paraan sa PyTorch.