在PyTorch中获取张量（Tensor）的范围（Range）

在PyTorch中，可以使用函数来获取张量的范围。具体来说，可以使用torch.clamp()函数来将张量中的元素限制在指定的范围内。该函数的语法如下：

torch.clamp(input, min, max, out=None)

其中，input表示输入的张量，min表示元素的最小值，max表示元素的最大值，out表示输出的张量。
下面是一个简单的示例，展示如何使用torch.clamp()函数来获取张量的范围：

import torch
# 创建一个张量
x = torch.tensor([1.0, 2.0, 3.0, 4.0, 5.0])
# 将张量中的元素限制在[2.0, 4.0]范围内
y = torch.clamp(x, min=2.0, max=4.0)
# 输出结果
print(y)

输出结果为：

tensor([2., 2., 3., 4., 4.])

在这个例子中，我们将张量x中的元素限制在了[2.0, 4.0]的范围内，输出结果为tensor([2., 2., 3., 4., 4.])。可以看到，所有小于2.0的元素被替换为2.0，所有大于4.0的元素被替换为4.0。
除了使用torch.clamp()函数外，还可以使用其他函数来获取张量的范围。例如，可以使用torch.where()函数根据条件选择张量中的元素。该函数的语法如下：

torch.where(condition, x, y)

其中，condition表示条件张量，x表示满足条件时选择的元素，y表示不满足条件时选择的元素。下面是一个简单的示例：

import torch
# 创建一个条件张量和一个元素张量
condition = torch.tensor([True, False, True, False, True])
x = torch.tensor([1.0, 2.0, 3.0, 4.0, 5.0])
y = torch.tensor([10.0, 20.0, 30.0, 40.0, 50.0])
# 根据条件选择元素
result = torch.where(condition, x, y)
# 输出结果
print(result)

输出结果为：

tensor([1., 30.,  3., 40.,  5.])

在这个例子中，我们根据条件张量condition选择对应的元素。当条件为True时，选择对应的x中的元素；当条件为False时，选择对应的y中的元素。输出结果为tensor([1., 30., 3., 40., 5.])。