mindspore.ops.clip_by_value

mindspore.ops.clip_by_value(x, clip_value_min=None, clip_value_max=None)[源代码]

将输入Tensor值裁剪到指定的最小值和最大值之间。

限制 \(x\) 的范围，其最小值为 clip_value_min ，最大值为 clip_value_max 。

\[\begin{split}out_i= \left\{ \begin{array}{align} clip\_value\_max & \text{ if } x_i\ge clip\_value\_max \\ x_i & \text{ if } clip\_value\_min \lt x_i \lt clip\_value\_max \\ clip\_value\_min & \text{ if } x_i \le clip\_value\_min \\ \end{array}\right.\end{split}\]

说明

  • clip_value_min 和 clip_value_max 不能同时为None；

  • 当 clip_value_min 为None，clip_value_max 不为None时，Tensor中大于 clip_value_max 的元素会变为 clip_value_max；

  • 当 clip_value_min 不为None，clip_value_max 为None时，Tensor中小于 clip_value_min 的元素会变为 clip_value_min；

  • 当 clip_value_min 大于 clip_value_max 时，Tensor中所有元素的值会被置为 clip_value_max；

  • x，clip_value_min 和 clip_value_max 的数据类型需支持隐式类型转换，且不能为布尔型。

参数：

  • x (Union(Tensor, list[Tensor], tuple[Tensor])) - clip_by_value 的输入，类型为Tensor、Tensor的列表或元组。支持任意维度的Tensor。

  • clip_value_min (Union(Tensor, float, int)) - 指定最小值。默认值为 None 。

  • clip_value_max (Union(Tensor, float, int)) - 指定最大值。默认值为 None 。

返回：

Tensor、Tensor的列表或元组，表示裁剪后的Tensor。其shape和数据类型和 x 相同。

异常：

  • ValueError - 如果 clip_value_min 和 clip_value_max 都为None。

  • TypeError - 如果 x 的数据类型不在Tensor、list[Tensor]或tuple[Tensor]中。

  • TypeError - 如果 clip_value_min 的数据类型不为None、Tensor、float或int。

  • TypeError - 如果 clip_value_max 的数据类型不为None、Tensor、float或int。

支持平台：

Ascend GPU CPU

样例：

>>> # case 1: the data type of x is Tensor
>>> import mindspore
>>> from mindspore import Tensor, ops
>>> import numpy as np
>>> min_value = Tensor(5, mindspore.float32)
>>> max_value = Tensor(20, mindspore.float32)
>>> x = Tensor(np.array([[1., 25., 5., 7.], [4., 11., 6., 21.]]), mindspore.float32)
>>> output = ops.clip_by_value(x, min_value, max_value)
>>> print(output)
[[ 5. 20.  5.  7.]
 [ 5. 11.  6. 20.]]
>>> # case 2: the data type of x is list[Tensor]
>>> min_value = 5
>>> max_value = 20
>>> x = Tensor(np.array([[1., 25., 5., 7.], [4., 11., 6., 21.]]), mindspore.float32)
>>> y = Tensor(np.array([[1., 25., 5., 7.], [4., 11., 6., 21.]]), mindspore.float32)
>>> output = ops.clip_by_value([x,y], min_value, max_value)
>>> for out in output:
...     print(out)
[[ 5. 20.  5.  7.]
 [ 5. 11.  6. 20.]]
[[ 5. 20.  5.  7.]
 [ 5. 11.  6. 20.]]