python中的max()与min()的用法介绍

PyTorch张量操作：获取矩阵行列最大最小值及其索引

最新推荐文章于 2025-09-06 07:00:00 发布

原创最新推荐文章于 2025-09-06 07:00:00 发布 · 3.5k 阅读

6 ·

CC 4.0 BY-SA版权

文章标签：

#python

python 同时被 3 个专栏收录

101 篇文章

订阅专栏

人工智能

75 篇文章

订阅专栏

数据分析

66 篇文章

订阅专栏

这篇博客介绍了在PyTorch中如何使用张量操作获取矩阵的每一行和每一列的最大值与最小值，并展示了对应的索引。通过实例代码展示了`A.min(0)`、`A.min(1)`、`A.max(0)`和`A.max(1)`的用法，这些方法对于理解和处理多维数据非常有用。

A是一个 m 行 n 列的矩阵：

A.min(0) : 返回A每一列最小值组成的一维数组；
A.min(1)：返回A每一行最小值组成的一维数组；
A.max(0)：返回A每一列最大值组成的一维数组；
A.max(1)：返回A每一行最大值组成的一维数组；
这里的0表示行，1表示列

我利用tensor写的张量，里面还可以显示每一行每一列输出的最大最小的索引

A = torch.rand(3,4)
print(A)
print(A.min(0))
print(A.min(1))
print(A.max(0))
print(A.max(1))

输出结果：

tensor([[0.8873, 0.5165, 0.1780, 0.5059],
        [0.4438, 0.2884, 0.2477, 0.4414],
        [0.9050, 0.1961, 0.1676, 0.7914]])
torch.return_types.min(
values=tensor([0.4438, 0.1961, 0.1676, 0.4414]),
indices=tensor([1, 2, 2, 1]))
torch.return_types.min(
values=tensor([0.1780, 0.2477, 0.1676]),
indices=tensor([2, 2, 2]))
torch.return_types.max(
values=tensor([0.9050, 0.5165, 0.2477, 0.7914]),
indices=tensor([2, 0, 1, 2]))
torch.return_types.max(
values=tensor([0.8873, 0.4438, 0.9050]),
indices=tensor([0, 0, 0]))