torch max 判断与筛选

AI算法网奇

已于 2022-03-11 20:57:59 修改

阅读量3k

点赞数

CC 4.0 BY-SA版权

分类专栏： pytorch知识宝典文章标签： pytorch 深度学习 python

于 2018-11-12 10:53:10 首次发布

本文链接：https://blog.youkuaiyun.com/jacke121/article/details/83988382

pytorch知识宝典专栏收录该内容

512 篇文章 ¥29.90 ¥99.00

订阅专栏

超级会员免费看

这篇博客介绍了如何在PyTorch中进行最大值的判断和筛选操作，包括检查最大值是否大于0，处理分类网络的输出，以及在多维张量中找到最大值及其索引。此外，还展示了两种不同的筛选策略，一种是基于最大值进行筛选，另一种是根据最大值的阈值进行筛选。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

判断max是否大于0：item()后，就变成了一个值了，

import torch

y=torch.Tensor(1,2,3)

if torch.max(y>=2).item():

print("max") else: print("no")

分类网络后处理：

网络输出一维向量12*3，然后变成 12组分类，每组3个选项

output_o = self.model(d_t_trans)
# print(outputs)
outputs=output_o.view(d_t_trans.size(0),3,12)
outputs = m_func.softmax(outputs, dim=1)
cls_score, cls_index = torch.max(outputs.data, 1)
if self.use_gpu:
return preds.cpu().,scores.cpu().data.numpy(),outputs.data.numpy()
return preds.data.numpy(),scores.data.numpy(),outputs.data.numpy()


print(cls_index.data.numpy())
print(cls_score.data.numpy())
print(outputs.data.numpy()[0][2][2])

print("softmax_v",outputs)

了解本专栏