一、一个参数时的torch.argmax函数
torch.argmax(input) -> LongTensor
该函数返回输入张量中所有元素中最大值的索引。(如果有多个最大值,则返回第一个最大值的索引)
注:索引从0开始。
参数:
- input (Tensor) - 输入张量。
实例:
>>> a = torch.randn(4, 4)
>>> a
tensor([[ 1.3398, 0.2663, -0.2686, 0.2450],
[-0.7401, -0.8805, -0.3402, -1.1936],
[ 0.4907, -1.3948, -1.0691, -0.3132],
[-1.6092, 0.5419, -0.2993, 0.3195]])
>>> torch.argmax(a)
tensor(0)
二、多个参数时的torch.argmax函数
torch.argmax(input, dim, keepdim=False) -> LongTensor
返回张量在一个维度上的最大值的索引。
参数:
- input (Tensor) - 输入张量。
- dim (int) - 指定要压缩的维度。如果为None,则返回扁平输入的argmax。
理解:dim的不同值表示不同的维度。
对于二维矩阵,dim=0表示行,此时要压缩行,即找列的最大值;dim=1表示列,此时要压缩列,即找行的最大值。对于多维矩阵,指定哪个维度,此时要压缩该维度。
- keepdim (bool) - 输出张量是否保留维度。如果dim=None,则忽略。
实例1:二维矩阵,输出张量不保留维度
>>> a = torch.tensor(
[[1, 5, 7, 4]
[9, 4, -6, 3]
[-3, 6, 8, 1]]
)
>>> print(a.shape)
torch.Size([3, 4])
>>> b = torch.argmax(a, dim=0) # 压缩行,返回列的最大值的索引
>>> print(b)
tensor([1, 2, 2, 0])
>>> print(b.shape)
torch.Size([4]) # 指定维度是行,可见行消失了。[3, 4] -> [4]
实例2:二维矩阵,输出张量保留维度
>>> a = torch.tensor(
[[1, 5, 7, 4]
[9, 4, -6, 3]
[-3, 6, 8, 1]]
)
>>> print(a.shape)
torch.Size([3, 4])
>>> b = torch.argmax(a, dim=0, keepdim=True)
>>> print(b)
tensor([1, 2, 2, 0])
>>> print(b.shape)
torch.Size([1, 4]) # 指定维度是行,但保留了被压缩的行的维度。