torch.max(input, dim)使用解释

在深度学习的多分类神经网络统计预测正确的个数

1.函数结构torch.max(input, dim)

input是一个softmax函数输出的tensor
(当然,如果用CrossEntropyLoss(),最后一层是一个全连接层)
dim是max函数索引的维度 0或1 0是每列的最大值,1是每行的最大值

2.函数输出torch.max(input, dim=1)

此函数输出两个tensor
1.第一个tensor是每行的最大概率
2.第二个tensor是每行最大概率的索引
由于我们不需要获取最大概率的值,只要知道最大概率的是哪个类别即可
因此,我们只需要获取第二个tensor

3.第二个tensor的获取方法

_,predicted=torch.max(outputs.data,dim=1)
predicted = torch.max(outputs.data, 1)[1]

4.函数效果展示

import torch
a = torch.tensor([[1,5,62,54], [2,6,2,6], [2,65,2,6]])
print(a)

输出:

tensor([[ 1,  5, 62, 54],
        [ 2,  6,  2,  6],
        [ 2, 65,  2,  6]])

索引每行的最大值:

torch.max(a, 1)

输出:

torch.return_types.max(
values=tensor([62,  6, 65]),
indices=tensor([2, 3, 1]))
  • 4
    点赞
  • 33
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

打赏作者

ShuaS2020

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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