Torch.max()作用简述

能摆一天是一天

于 2024-01-19 15:26:17 发布

阅读量411

点赞数 8

文章标签：深度学习人工智能 python

本文链接：https://blog.csdn.net/bailanren/article/details/135698116

版权

文章介绍了在PyTorch中使用torch.max()函数计算张量在不同维度上的最大值及其对应索引的方法，展示了如何处理多维张量并压缩维度以获得结果。

摘要由CSDN通过智能技术生成

计算目标张量的目标维度的最大值，返回两个张量，第一个values为计算后的最大值，第二个indices为次最大值的索引

函数参数

torch.max(input, dim, max=None, max_indices=None) -> (Tensor, LongTensor)

input 为需要进行操作的张量，dim进行操作的维度数

有一下两种写法

testInupt = torch.tensor([
[
[1,22,3,4,5],
[2,3,44,5,6],
[3,4,5,66,7],
[4,5,6,7,88],
],
[
[11,2,3,4,5],
[2,33,4,5,6],
[3,4,54,6,7],
[4,5,6,77,8],
],
])

torch.max(testInupt,0)

testInupt.max(0)

以上文代码为例，一个[2,4,5]的张量，分别进行0，1，2维的最大值

print("a.max(0):",a.max(0))

——————————————————

a.max(0): torch.return_types.max(
values=tensor([ [11, 22, 3, 4, 5],
[ 2, 33, 44, 5, 6],
[ 3, 4, 54, 66, 7],
[ 4, 5, 6, 77, 88] ]),
indices=tensor([ [1, 0, 0, 0, 0],
[0, 1, 0, 0, 0],
[0, 0, 1, 0, 0],
[0, 0, 0, 1, 0] ]))

对0维进行求最大值，那么0维度就会合并为一个并消失，会对两个[4,5]的张量进行逐个比对并取最大值，最后去掉为1的0维度，变成一个[4,5]的张量，如，[11,22,3,4,5]中11取自第一个张量，22取自第二个张量，于是在索引中就是[0,1,0,0,0]

print("a.max(1):",a.max(1))

___________________________________________

a.max(1): torch.return_types.max(
values=tensor([ [ 4, 22, 44, 66, 88],
[11, 33, 54, 77, 8] ]),
indices=tensor([ [3, 0, 1, 2, 3],
[0, 1, 2, 3, 3] ]))

对1维进行求最大值，同理的1维将被合并成一个值为1的维度并被压缩掉，最后变成一个[2,5]的张量，也就是说4个1维的张量将互相逐个比对元素并合并，比如[ 4, 22, 44, 66, 88]中，4来自第4个1维张量，22来自第1个，44来自第二个，66来自第3个，88来自第4个，所以对应的索引张量为3, 0, 1, 2, 3]

print("a.max(2):",a.max(2))

——————————————————————————————————

a.max(2): torch.return_types.max(
values=tensor([ [22, 44, 66, 88],
[11, 33, 54, 77] ]),
indices=tensor([ [1, 2, 3, 4],
[0, 1, 2, 3] ]))

对2维张量求最大值，那么也就是最后变成一个[2,4]的形状