torch.max基本使用

toch.max

在使用前首先要import torch

import torch
a0 = torch.randn(3, 1)
print('a0=', a0)
b0=torch.max(a0, 1)
print('b0=', b0, '\n')

a1 = torch.randn(1, 3)
print('a1=', a1)
b1=torch.max(a1,1)
print('b1=', b1 )

output

a0= tensor([[-0.5406],
        [ 0.2674],
        [ 0.5057]])
b0= torch.return_types.max(
values=tensor([-0.5406,  0.2674,  0.5057]),
indices=tensor([0, 0, 0])) 

a1= tensor([[0.3328, 0.5163, 1.4075]])
b1= torch.return_types.max(
values=tensor([1.4075]),
indices=tensor([2]))

可见torch.max(变量，1)按行输出最大值和最大值所在行的索引（索引从0开始）
torch.max(变量，0)按列输出最大值和最大值所在列的索引（索引从0开始）

import torch
data = torch.randn(3, 2)
print('data=', data)
a0=torch.max(data, 1)
print(a0)
print('a0[0]=', a0[0],'a0[1]=', a0[1], '\n')
b0=torch.max(data, 1)[0]
c0=torch.max(data, 1)[1].data
d0=torch.max(data, 1)[0].data
print('torch.max(data, 1)[1]=', b0, '\n', 'torch.max(data, 1)[1].data=', c0, '\n', 'torch.max(data, 1)[0].data=', d0)

output

data= tensor([[-0.7846, -0.5480],
        [-1.1179,  0.4518],
        [ 0.1165,  1.3662]])
torch.return_types.max(
values=tensor([-0.5480,  0.4518,  1.3662]),
indices=tensor([1, 1, 1]))
a0[0]= tensor([-0.5480,  0.4518,  1.3662]) a0[1]= tensor([1, 1, 1]) 
torch.max(data, 1)[1]= tensor([-0.5480,  0.4518,  1.3662]) 
 torch.max(data, 1)[1].data= tensor([1, 1, 1]) 
 torch.max(data, 1)[0].data= tensor([-0.5480,  0.4518,  1.3662])

[ ]里数字代表torch.return_types.max里参数的索引，0表示values值，1代表值对应索引，总结就是：
torch.max()[0]， 返回最大值的每个数
troch.max()[1]， 返回最大值的每个索引
troch.max()，返回最大值的数，最大值的索引
torch.max()[1].data.numpy() 把数据转化成numpy ndarry