解释 torch中的 .clamp(min=0)

在PyTorch中，torch.clamp将张量中的元素限制在指定的范围内。
torch.clamp(min=0)会将张量中的每个元素与0进行比较，并将小于0的元素替换为0。其他大于等于0的元素则保持不变。

clamp函数原理

python">def clamp(x, lower, upper):
    if x < lower:
        return lower
    elif x > upper:
        return upper
    else:
        return x

torch.full()

torch.full()是PyTorch库中的一个函数，用于创建一个指定形状的张量，并填充指定的值。

函数的语法如下：

python">torch.full(size, fill_value, dtype=None, device=None, requires_grad=False)

参数说明：

size: 表示要创建的张量的形状，可以是一个整数，也可以是一个元组或列表形式的多个整数。
fill_value: 要填充到张量中的值，可以是任意标量值（如整数、浮点数等）。
dtype: 指定所创建张量的数据类型，默认为None，即使用默认的数据类型。
device: 指定所创建张量所在的设备，默认为None，表示使用当前设备。
requires_grad: 指定是否需要对张量进行自动求导，默认为False，即不进行自动求导。

python">import torch

# 创建一个形状为(3, 2)的张量，并填充为0.5
x = torch.full((3, 2), 0.5)
print(x)
# 输出结果:
# tensor([[0.5000, 0.5000],
#         [0.5000, 0.5000],
#         [0.5000, 0.5000]])

torch.nonzero()

torch.nonzero()是PyTorch中的一个函数，用于返回张量中非零元素的索引。它的语法是：

torch.nonzero(input, *, out=None)

参数说明：

input：要检查的张量。
out（可选）：输出张量，用于存储结果。
返回值是一个包含所有非零元素的索引的张量。每一行表示一个非零元素的索引，每一列表示一个维度的索引。

python">下面是一个简单的示例：
import torch

# 创建一个张量
a = torch.tensor([[0, 1, 0],
                  [2, 0, 3]])

# 使用torch.nonzero()找到非零元素的索引
indices = torch.nonzero(a)

print(indices)
输出结果为：

tensor([[0, 1],
        [1, 0],
        [1, 2]])