PyTorch中张量的最小-最大归一化
PyTorch中张量的最小-最大归一化
提问于 2021-08-15 12:25:15
我想对PyTorch中的张量进行最小最大归一化.
求最小最大归一化的公式是
我想使用一些new_min和new_max 在张量上执行最小最大归一化，而不迭代张量的所有元素。
>>>import torch
>>>x = torch.randn(5, 4)
>>>print(x)
tensor([[-0.8785, -1.6898, 2.2129, -0.8375],
[ 1.2927, -1.3187, -0.7087, -2.1143],
[-0.6162, 0.6836, -1.3342, -0.7889],
[-0.2934, -1.2526, -0.3265, 1.1933],
[ 1.2494, -1.2130, 1.5959, 1.4232]])有什么方法可以使两个值new_min, new_max之间给定的张量规范化
假设我想把张量从new_min = -0.25扩展到new_max = 0.25
回答 1
Stack Overflow用户
发布于 2021-08-15 12:32:51
将v_min、v_max、new_min和new_max定义为：
>>> v_min, v_max = v.min(), v.max()
>>> new_min, new_max = -.25, .25您可以按顺序应用公式元素：
>>> v_p = (v - v_min)/(v_max - v_min)*(new_max - new_min) + new_min
tensor([[-0.1072, -0.2009, 0.2500, -0.1025],
[ 0.1437, -0.1581, -0.0876, -0.2500],
[-0.0769, 0.0733, -0.1599, -0.0969],
[-0.0396, -0.1504, -0.0434, 0.1322],
[ 0.1387, -0.1459, 0.1787, 0.1588]])然后检查v_p统计数据：
>>> v_p.min(), v_p.max()
(tensor(-0.2500), tensor(0.2500))页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/68791508
复制相关文章
相似问题
腾讯云开发者
