pytorch学习笔记之torch.max()

官方的api:https://pytorch.org/docs/0.3.1/tensors.html ,https://pytorch.org/docs/0.3.1/torch.html#torch.max

该方法的使用可以有两种方式去调用。

方法一:将对象当作参数传入的方式

a =torch.Tensor([[0,1,2],[3,4,5]])
torch.max(a,0)

方法二:直接在pytorch tensor上调用,传入的参数是dim

a = torch.Tensor([[0,1,2],[3,4,5]])
a.max(0)

3d tensor的例子:

a = torch.Tensor([[0,1,2],[3,4,5]])
a.unsqueeze_(-1)
a = a.expand(2,3,10)

a
tensor([[[0., 0., 0., 0., 0., 0., 0., 0., 0., 0.],
         [1., 1., 1., 1., 1., 1., 1., 1., 1., 1.],
         [2., 2., 2., 2., 2., 2., 2., 2., 2., 2.]],

        [[3., 3., 3., 3., 3., 3., 3., 3., 3., 3.],
         [4., 4., 4., 4., 4., 4., 4., 4., 4., 4.],
         [5., 5., 5., 5., 5., 5., 5., 5., 5., 5.]]])

a.max(0)
(tensor([[3., 3., 3., 3., 3., 3., 3., 3., 3., 3.],
        [4., 4., 4., 4., 4., 4., 4., 4., 4., 4.],
        [5., 5., 5., 5., 5., 5., 5., 5., 5., 5.]]), tensor([[1, 1, 1, 1, 1, 1, 1, 1, 1, 1],
        [1, 1, 1, 1, 1, 1, 1, 1, 1, 1],
        [1, 1, 1, 1, 1, 1, 1, 1, 1, 1]]))

a.max(1)
(tensor([[2., 2., 2., 2., 2., 2., 2., 2., 2., 2.],
        [5., 5., 5., 5., 5., 5., 5., 5., 5., 5.]]), tensor([[2, 2, 2, 2, 2, 2, 2, 2, 2, 2],
        [2, 2, 2, 2, 2, 2, 2, 2, 2, 2]]))

该方法的返回值是两个tensor组成的元组。第一个维度是求取dim的max值。第二个纬度的tensor是max值所在的dim index。

torch.max()函数是一个PyTorch中用于返回一个tensor中的最大值的函数。它可以返回tensor中的全局最大值或者沿着指定的维度(dim)返回最大值和对应的索引。 该函数的基本用法是torch.max(input, dim),其中input是一个tensor,dim是一个整数,表示要沿着哪个维度计算最大值。函数返回一个包含最大值和对应索引的tuple。 举个例子,如果我们有一个大小为4x5的tensor si,我们可以使用torch.max(si, dim=1)来计算沿着第一维度计算最大值。这将返回一个包含每行最大值和对应索引的tensor。 在早期版本的PyTorch中,我们可能会看到torch.max(a, 1).data.numpy()的写法,这是因为variable和tensor是不同的数据格式。现在的版本已经将variable和tensor合并,所以只需要使用torch.max(a,1).numpy()即可得到numpy数组的结果。[2, 3] 总结来说,torch.max()函数是用于返回一个tensor中的最大值的函数,可以在全局范围或沿特定维度计算最大值。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *3* [【学习笔记torch.max()[]详解](https://blog.csdn.net/weixin_45223645/article/details/120990205)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *2* [pytorchtorch.max和Tensor.view函数用法详解](https://download.csdn.net/download/weixin_38697063/13761162)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值