我想在PyTorch张量上对二维数组进行类似于np.clip的操作。更具体地说，我想将每一列剪裁到一个特定的值范围内（依赖于列）。例如，在numpy中，你可以这样做：

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，但遗憾的是它不支持多维边界（整个张量只有一个标量值）。有没有一种“巧妙”的方法来扩展该函数以适应我的情况？

谢谢！

回答：

虽然不像np.clip那样简洁，但你可以使用torch.max和torch.min：

In [1]: xOut[1]:tensor([[0.9752, 0.5587, 0.0972],        [0.9534, 0.2731, 0.6953]])

为每一列设置下限和上限

l = torch.tensor([[0.2, 0.3, 0.]])u = torch.tensor([[0.8, 1., 0.65]])

注意，下限l和上限u是1×3的张量（2D带单例维度）。我们需要这些维度，以便l和u能够广播到x的形状。
现在我们可以使用min和max来进行剪裁：

clipped_x = torch.max(torch.min(x, u), l)

结果如下

tensor([[0.8000, 0.5587, 0.0972],        [0.8000, 0.3000, 0.6500]])