numpy中的np.clip()函数和TensorFlow中的tf.clip_by_value()函数用法
2018-11-08 20:47
731 查看
Numpy 中clip函数的使用
numpy.clip(a, a_min, a_max, out=None)[source]
其中a是一个数组,后面两个参数分别表示最小和最大值,怎么用呢,老规矩,我们看代码:
[code]import numpy as np x=np.array([1,2,3,5,6,7,8,9]) np.clip(x,3,8) Out[88]: array([3, 3, 3, 5, 6, 7, 8, 8])
1
2
3
4
5
也就是说clip这个函数将将数组中的元素限制在a_min, a_max之间,大于a_max的就使得它等于 a_max,小于a_min,的就使得它等于a_min。
[code]x=np.array([[1,2,3,5,6,7,8,9],[1,2,3,5,6,7,8,9]]) np.clip(x,3,8) Out[90]: array([[3, 3, 3, 5, 6, 7, 8, 8],
[code][3, 3, 3, 5, 6, 7, 8, 8]])
值域范围 tf.clip_by_value的用
tf.clip_by_value的用法
tf.clip_by_value(A, min, max):输入一个张量A,把A中的每一个元素的值都压缩在min和max之间。小于min的让它等于min,大于max的元素的值等于max。
例如:
[code][python] view plain copy import tensorflow as tf; import numpy as np; A = np.array([[1,1,2,4], [3,4,8,5]]) with tf.Session() as sess: print sess.run(tf.clip_by_value(A, 2, 5))
输出:
[[2 2 2 4]
[3 4 5 5]]
---------------------
作者:lianzhng
来源:CSDN
原文:https://blog.csdn.net/lianzhng/article/details/80393471
相关文章推荐
- tensorflow学习笔记(2):tf.clip_by_value,tf.expand_dims等函数的用法
- tf.clip_by_value:将tensor中的0和NONE进行范围限制的函数
- Tensorflow: tf.clip_by_value
- tf.clip_by_value的用法
- tf.clip_by_value 用法
- TensorFlow tf.clip_by_value tf.select 绝对值用法!
- 值域范围 tf.clip_by_value的用法
- TensorFlow的tf.random_uniform()函数的用法
- np.clip()函数用法
- 关于 tf.nn.softmax_cross_entropy_with_logits 及 tf.clip_by_value
- 对tensorflow中张量tensor的理解与tf.argmax()函数的用法
- tf.clip_by_value()
- tensorflow API: tf.clip_by_value
- TensorFlow-tf.clip_by_global_norm函数原理
- TF版本问题:由于不同的TensorFlow版本之间某些函数的用法引起的错误—Jason niu
- list,tuple和numpy中nparray及np.hstack(),np.vstack(),np.stack()函数关系及用法解析
- Tensorflow中提供tf.train.ExponentialMovingAverage函数实现(滑动平均模型)
- tensorflow常用函数总结:tf.reduce_mean()这类函数
- Oracle中sys_connect_by_path函数用法
- Tensorflow高级API的进阶--利用tf.contrib.learn建立输入函数