numpy中的np.clip()函数和TensorFlow中的tf.clip_by_value（）函数用法

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：

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。

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],

[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：

[python]  view plain  copy

1. import tensorflow as tf;  
2. import numpy as np;  
3.   
4. A = np.array([[1,1,2,4], [3,4,8,5]])  
5.   
6. with tf.Session() as sess:  
7.     print sess.run(tf.clip_by_value(A, 2, 5))  

输出：

[[2 2 2 4]
 [3 4 5 5]]