矩阵按条件批量处理

最近在写fm模型时，学到了一个新的对矩阵条件批量处理的操作。

fm模型的关键在于构建了特征的二阶交叉，并且对每个特征分量引入k个辅助向量，使用向量内积的方法表示原先的权重矩阵，起到降维的作用。

此时，我在得到预测值之后，会出现不符合常理的值，例如电影评分为1-5，模型可能预测出大于5或者小于1的分数来，此时就需要对矩阵按条件处理，使用torch.where函数和torch.full_like函数。

y_pre = torch.where(y_pre > 5.0, torch.full_like(y_pre, 5.0), y_pre)
y_pre = torch.where(y_pre < 1.0, torch.full_like(y_pre, 1.0), y_pre)

这一串代码的运行逻辑是：

第一步：使用torch.full_like创建一个和y_pre的shape相同的元素，并且元素值都为5.

第二步：使用torch.where进行条件替换

torch.where接受三个参数，第一个参数为条件张量，第二个参数为条件为真时的处理，第三个参数为条件为假时的处理。

按照这样的逻辑，就可以将矩阵内满足条件的元素进行批量统一处理了。