pytorch中 _,preds=torch.max(outputs,1)的问题

最新推荐文章于 2023-02-11 17:07:01 发布
最新推荐文章于 2023-02-11 17:07:01 发布
阅读量4.8k 收藏 15
点赞数 9
分类专栏： python 文章标签： pytorch python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/dfgagagag/article/details/115710651
版权

说明：
_,preds=torch.max(outputs,1)，这几天用pytorch写代码，一开始出现这句话我还没具体研究其具体用法，但是搭建模型它总是出现，我决定好好研究其用法，

为此我还查了pytorch的文档，终于搞清楚了，原来就是如此简单。

还有就是这个下划线_然后还有一个点是什么意思？其实下划线相当于一个变量，比如定义变量a，然后后面又有一个变量preds，所以中间当然要加逗号，就是用下划线做为变量让我

很意外，不加下划线表示返回一行中最大的数，加下划线表示返回一行中最大数的索引。

附图：

 

 

李后晚
关注
  • 9
    点赞
  • 踩
  • 15
    收藏
    觉得还不错? 一键收藏
  • 4
    评论
专栏目录
nn.Softmax(dim=1)(outputs) 与 torch.max(probs, 1)[1]的理解
weixin_43889476的博客
04-01 1413
  已知在模型训练之后，会得出一个outputs，后遇到torch.max(probs, 1)[1]这行代码，不是很清楚它的意思，所以对其进行逐步调试，理清了思路： outputs = model(inputs) probs = nn.Softmax(dim=1)(outputs) # 得出一个(batch_size, 101)的Tensor, 指的是outputs在维度1,即每行上的元素相加等于1，即每个视频动作分别属于101个动作的概率相加等于1 # tupleProbs = torch.max(pro
Pytorch中tensor维度和torch.max()函数中dim参数的理解
twelve13的博客
11-07 1万+
Pytorch中tensor维度和torch.max()函数中dim参数的理解 维度 参考了 https://blog.csdn.net/qq_41375609/article/details/106078474 ， 对于torch中定义的张量，感觉上跟矩阵类似，不过常见的矩阵是二维的。当定义一个多维的张量时，比如使用 a =torch.randn(2, 3, 4) 创建一个三维的张量，返回的是一个 [ [ [-0.5166, 0.8298, 2.4580, -1.
_, preds = torch.max(outputs.data, 1)
梁小憨憨的博客
11-22 4772
今天在看《PyTorch深度学习》这本书的时候，看到了一段代码，怎么都看不懂，然后CSDN上搜索了一下，发现了大佬的以篇博客《PyTorch系列 | _, predicted = torch.max(outputs.data, 1)的理解》，这里记录一下。 _, preds = torch.max（outputs.data, 1） 源代码如下： # forward outputs = model(inputs) _, preds = torch.max(outputs.data, 1) loss = c
_, predicted = torch.max(outputs, 1)，_,的作用
Escape the bug的博客
01-15 6075
torch.max(k,1) 其中这个 1代表行，0的话代表列。 不加_,返回的是一行中最大的数。 加_,则返回一行中最大数的位置。 测试如下：
【无标题】对于_, predicted = torch.max(outputs.data, 1)的理解
Xiaiyexi的博客
05-03 2136
记录一下学习日常 由于以前用的都是tensorflow，最近用pytorch来写，看到一篇文章训练mnist数据集，在测试时出现了对于_, predicted = torch.max(outputs.data, 1)，不是很理解，查阅资料后弄清了： 代码如下： outputs = net(inputs) _, predicted = torch.max(outputs.data, 1) total += labels.size(0) 就torch.max这个函数而言，它返回的第一个值就是真实值，
torch中的max
qq_43526870的博客
05-11 201
torch中max的各种用法 torch.max()[0]， 只返回最大值的每个数 troch.max()[1]， 只返回最大值的每个索引 torch.max()[1].data 只返回variable中的数据部分（去掉Variable containing:） torch.max()[1].data.numpy() 把数据转化成numpy ndarry torch.max()[1].data.n...
preds = torch.max(outputs, 1)[1]
05-05
具体来说，假设outputs是模型的输出，它的第一维是样本维度，第二维是类别维度，那么torch.max(outputs, 1)将会返回一个元组，第一个元素是每个样本在第二维上的最大值，第二个元素是每个样本在第二维上最大值的索引...
LDAM损失函数pytorch代码如下：class LDAMLoss(nn.Module): def init(self, cls_num_list, max_m=0.5, weight=None, s=30): super(LDAMLoss, self).init() m_list = 1.0 / np.sqrt(np.sqrt(cls_num_list)) m_list = m_list * (max_m / np.max(m_list)) m_list = torch.cuda.FloatTensor(m_list) self.m_list = m_list assert s > 0 self.s = s if weight is not None: weight = torch.FloatTensor(weight).cuda() self.weight = weight self.cls_num_list = cls_num_list def forward(self, x, target): index = torch.zeros_like(x, dtype=torch.uint8) index_float = index.type(torch.cuda.FloatTensor) batch_m = torch.matmul(self.m_list[None, :], index_float.transpose(1,0)) # 0,1 batch_m = batch_m.view((16, 1)) # size=(batch_size, 1) (-1,1) x_m = x - batch_m output = torch.where(index, x_m, x) if self.weight is not None: output = output * self.weight[None, :] target = torch.flatten(target) # 将 target 转换成 1D Tensor logit = output * self.s return F.cross_entropy(logit, target, weight=self.weight) 模型部分参数如下：# 设置全局参数 model_lr = 1e-5 BATCH_SIZE = 16 EPOCHS = 50 DEVICE = torch.device('cuda:0' if torch.cuda.is_available() else 'cpu') use_amp = True use_dp = True classes = 7 resume = None CLIP_GRAD = 5.0 Best_ACC = 0 #记录最高得分 use_ema=True model_ema_decay=0.9998 start_epoch=1 seed=1 seed_everything(seed) # 数据增强 mixup mixup_fn = Mixup( mixup_alpha=0.8, cutmix_alpha=1.0, cutmix_minmax=None, prob=0.1, switch_prob=0.5, mode='batch', label_smoothing=0.1, num_classes=classes) # 读取数据集 dataset_train = datasets.ImageFolder('/home/adminis/hpy/ConvNextV2_Demo/RAF-DB/RAF/train', transform=transform) dataset_test = datasets.ImageFolder("/home/adminis/hpy/ConvNextV2_Demo/RAF-DB/RAF/valid", transform=transform_test) 帮我用pytorch实现模型在模型训练中使用LDAM损失函数
最新发布
05-30
_, preds = torch.max(outputs, 1) train_corrects += torch.sum(preds == labels.data) train_loss /= len(dataset_train) train_acc = train_corrects.double() / len(dataset_train) model.eval() test_...
_, preds = torch.max(outputs, 1) # 在维度1（行方向）查找最大值
04-20
这段代码的作用是在 PyTorch 中使用 outputs 进行计算，返回输出张量中每行的最大值以及它们的索引，最大值通过变量 preds 存储。其中，最大值以及索引分别通过 torch.max 函数的第一个返回值和第二个返回值得到。第...
帮我把这段代码从tensorflow框架改成pytorch框架： import tensorflow as tf import os import numpy as np import matplotlib.pyplot as plt os.environ["CUDA_VISIBLE_DEVICES"] = "0" base_dir = 'E:/direction/datasetsall/' train_dir = os.path.join(base_dir, 'train_img/') validation_dir = os.path.join(base_dir, 'val_img/') train_cats_dir = os.path.join(train_dir, 'down') train_dogs_dir = os.path.join(train_dir, 'up') validation_cats_dir = os.path.join(validation_dir, 'down') validation_dogs_dir = os.path.join(validation_dir, 'up') batch_size = 64 epochs = 50 IMG_HEIGHT = 128 IMG_WIDTH = 128 num_cats_tr = len(os.listdir(train_cats_dir)) num_dogs_tr = len(os.listdir(train_dogs_dir)) num_cats_val = len(os.listdir(validation_cats_dir)) num_dogs_val = len(os.listdir(validation_dogs_dir)) total_train = num_cats_tr + num_dogs_tr total_val = num_cats_val + num_dogs_val train_image_generator = tf.keras.preprocessing.image.ImageDataGenerator(rescale=1. / 255) validation_image_generator = tf.keras.preprocessing.image.ImageDataGenerator(rescale=1. / 255) train_data_gen = train_image_generator.flow_from_directory(batch_size=batch_size, directory=train_dir, shuffle=True, target_size=(IMG_HEIGHT, IMG_WIDTH), class_mode='categorical') val_data_gen = validation_image_generator.flow_from_directory(batch_size=batch_size, directory=validation_dir, target_size=(IMG_HEIGHT, IMG_WIDTH), class_mode='categorical') sample_training_images, _ = next(train_data_gen) model = tf.keras.models.Sequential([ tf.keras.layers.Conv2D(16, 3, padding='same', activation='relu', input_shape=(IMG_HEIGHT, IMG_WIDTH, 3)), tf.keras.layers.MaxPooling2D(), tf.keras.layers.Conv2D(32, 3, padding='same', activation='relu'), tf.keras.layers.MaxPooling2D(), tf.keras.layers.Conv2D(64, 3, padding='same', activation='relu'), tf.keras.layers.MaxPooling2D(), tf.keras.layers.Flatten(), tf.keras.layers.Dense(256, activation='relu'), tf.keras.layers.Dense(2, activation='softmax') ]) model.compile(optimizer='adam', loss=tf.keras.losses.BinaryCrossentropy(from_logits=True), metrics=['accuracy']) model.summary() history = model.fit_generator( train_data_gen, steps_per_epoch=total_train // batch_size, epochs=epochs, validation_data=val_data_gen, validation_steps=total_val // batch_size ) # 可视化训练结果 acc = history.history['accuracy'] val_acc = history.history['val_accuracy'] loss = history.history['loss'] val_loss = history.history['val_loss'] epochs_range = range(epochs) model.save("./model/timo_classification_128_maxPool2D_dense256.h5")
04-23
labels = labels.to(device) outputs = model(images) loss = criterion(outputs, labels) test_loss += loss.item() * images.size(0) _, preds = torch.max(outputs, 1) test_acc += torch.sum(preds == labels....
pytorch中“_, pred = out.max(1)”语句的理解
weixin_43969015的博客
10-21 5930
本人小白在入门pytorch，看mnist数据集的代码时，看到这样一句代码：“_, pred = out.max(1)”，顿时就有些懵了，查阅一番资料后，才明白其中的意思。 torch.max(0)和 torch.max(1)分别是找出tensor里每列/每行中最大的值，并返回索引（即为对应的预测数字） 此处就是给出一张图片对应每种类别的概率的最大值的索引，即为该张图片所属的类别。 而前面的“_,”的意思则是，torch.max()这个函数返回的是两个值，第一个值是具体的value（我们用下划线_表示），第
torch.max()用法
zero
07-07 1715
https://blog.csdn.net/weixin_43255962/article/details/84402586
_,predicted = torch.max(outputs.data,dim)
csweettea的博客
10-30 1057
dim=1时，按行返回最大值所在索引 dim=0时，按列返回最大值所在索引 _,predicted = torch.max(outputs.data,dim)：返回最大值所在索引 predicted = torch.max(outputs.data,dim)：返回最大值 import torch tensor = torch.tensor([[1.2,-3,-6.,-9.0,-4.56,5.678]]) _,predicted = torch.max(tensor,1) print(pred..
pytorch: torch.max() 使用与理解
傲笑风的博客
12-13 1万+
在使用 pytorch 进行训练时，会使用使用到改行代码： predict = torch.max(outputs.data, 1)[1] 其中 output 为模型的输出，该函数主要用来求 tensor 的最大值。 每次看到都不太理解 torch.max() 的使用，为了下次看到或者写道时不会忘记，特意详细了解其用法。 torch.max(input:tensor, dim:index) 该函数有两个输入： inputs: tensor，第一个参数为一个张量 dim: index，第二个参数为一个整数[-
torch.max函数解释
guoguozgw的博客
02-11 146
torch.max函数解释
解决办法 pred = torch.max(a,1,keepdim=True)[1]
热门推荐
追随梦想，实现梦想
05-21 2万+
pred = torch.max(a,1,keepdim=True)[1]TypeError: torch.max received an invalid combination of arguments - got (torch.LongTensor, int, keepdim=bool), but expected one of: * (torch.LongTensor source) * (...
torch.max()使用讲解
豆子
08-03 2503
output = torch.max(x,dim=1) input输入的是一个tensor dim是max函数索引的维度0/1，0是每列的最大值，1是每行的最大值 返回的是两个值：一个是每一行最大值的tensor组，另一个是最大值所在的位置 max_col_value = torch.max(x,dim=0)[0] # 每一列最大值 max_row_value =...
2020-10-06
柳絮飘扬
10-06 265
调用函数 MATLAB® 提供了大量执行计算任务的函数。在其他编程语言中，函数等同于子例程或方法。 要调用函数，例如 max，请将其输入参数括在圆括号中： A = [1 3 5]; max(A) ans = 5 如果存在多个输入参数，请使用逗号加以分隔： B = [10 6 4]; max(A,B) ans = 1×3 10 6 5 通过将函数赋值给变量，返回该函数的输出： maxA = max(A) maxA = 5 如果存在多个输出参数，请将其括在方括号中： [maxA,l
评论 4
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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