torch.argmax()用法示例

argmax函数：torch.argmax(input, dim=None, keepdim=False) 返回指定维度最大值的序号，dim给定的定义是：the demention to reduce，就是把dim这个维度，变成这个维度的最大值的index。
参数含义：
1）dim表示不同维度。特别的在dim=0表示二维矩阵中的列，dim=1在二维矩阵中的行。广泛的来说，我们不管一个矩阵是几维的，比如一个矩阵维度如下：(d0,d1,…,dn−1) ，那么dim=0就表示对应到d0 也就是第一个维度，dim=1表示对应到也就是第二个维度，以此类推。

2）知道dim的值是什么意思还不行，还要知道函数中这个dim给出来会发生什么。

Example one：二维数组
看例子推理一下

x = torch.randn(2, 4, 5)
print(x)
'''
tensor([[[-1.2204, -0.6428, -0.2278,  0.5589,  1.1589],
         [ 0.4235,  1.9663,  0.5055, -1.3472,  1.3523],
         [ 1.4220,  0.7886, -1.0821,  0.6268, -0.9465],
         [-0.3950,  1.3275,  0.3369,  1.0224, -0.9944]],

        [[ 0.6024, -0.2604, -0.8631,  0.8113, -0.3140],
         [ 0.3487, -0.1941, -0.3955, -0.1719, -1.3734],
         [ 0.2467, -0.4268, -1.3428,  0.7346,  1.0932],
         [-0.5799,  0.0976, -1.9403, -0.2643,  0.7657]]])
'''

Example two：三维数组
1）dim=0时，返回每个元素在各个通道最大值的索引号
2）dim=1时，返回n排每一列最大值的索引（n是通道数）
3）dim=2时，返回n排每一排最大值的索引（n是通道数）

x = torch.randn(2, 4, 5)
print(x)
'''
tensor([[[-1.2204, -0.6428, -0.2278,  0.5589,  1.1589],
         [ 0.4235,  1.9663,  0.5055, -1.3472,  1.3523],
         [ 1.4220,  0.7886, -1.0821,  0.6268, -0.9465],
         [-0.3950,  1.3275,  0.3369,  1.0224, -0.9944]],

        [[ 0.6024, -0.2604, -0.8631,  0.8113, -0.3140],
         [ 0.3487, -0.1941, -0.3955, -0.1719, -1.3734],
         [ 0.2467, -0.4268, -1.3428,  0.7346,  1.0932],
         [-0.5799,  0.0976, -1.9403, -0.2643,  0.7657]]])
'''

# dim=0，将第一个维度消除，也就是将两个[4*5]矩阵只保留一个，因此要在上下两个[3*4]的矩阵分别在对应位置上比较
y0 = torch.argmax(x, dim=0)
print(y0)
'''
tensor([[1, 1, 0, 1, 0],
        [0, 0, 0, 1, 0],
        [0, 0, 0, 1, 1],
        [0, 0, 0, 0, 1]])
'''

# dim=1，将第二个维度消除，也就是将四个[2*5]矩阵只保留一个
y1 = torch.argmax(x, dim=1)
print(y1)
'''
tensor([[2, 1, 1, 3, 1],
        [0, 3, 1, 0, 2]])
'''
# dim= 2
y2 = torch.argmax(x, dim=2)
print(y2)
'''
tensor([[4, 1, 0, 1],
        [3, 0, 4, 4]])
'''