mindspore.mint.clamp

mindspore.mint.clamp(input, min=None, max=None)[源代码]

将输入Tensor的值裁剪到指定的最小值和最大值之间。

限制 \(input\) 的范围,其最小值为 min ,最大值为 max

\[\begin{split}out_i= \left\{ \begin{array}{align} max & \text{ if } input_i\ge max \\ input_i & \text{ if } min \lt input_i \lt max \\ min & \text{ if } input_i \le min \\ \end{array}\right.\end{split}\]

说明

  • minmax 不能同时为None;

  • min 为None,max 不为None时,Tensor中大于 max 的元素会变为 max

  • min 不为None,max 为None时,Tensor中小于 min 的元素会变为 min

  • min 大于 max 时,Tensor中所有元素的值会被置为 max

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

参数:
  • input (Tensor) - clamp 的输入,类型为Tensor。支持任意维度的Tensor。

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

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

返回:

Tensor,表示裁剪后的Tensor。其shape和数据类型和 input 相同。

异常:
  • ValueError - 如果 minmax 都为None。

  • TypeError - 如果 input 的数据类型不是Tensor。

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

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

支持平台:

Ascend

样例:

>>> # case 1: the data type of input is Tensor
>>> import mindspore
>>> from mindspore import Tensor, mint
>>> import numpy as np
>>> min_value = Tensor(5, mindspore.float32)
>>> max_value = Tensor(20, mindspore.float32)
>>> input = Tensor(np.array([[1., 25., 5., 7.], [4., 11., 6., 21.]]), mindspore.float32)
>>> output = mint.clamp(input, min_value, max_value)
>>> print(output)
[[ 5. 20.  5.  7.]
 [ 5. 11.  6. 20.]]