Pytorch学习：torch.max(input，dim，keepdim=False)

torch.max()

torch.max(input) → Tensor：返回 input 张量中所有元素的最大值。
注意输入的必须是张量形式，输出的也为张量形式


当输入为tuple类型时，会报错，需要将输入改为tensor类型，输出也为tensor类型

torch.max()：官方文档
torch.max（input，dim，keepdim=False，*，out=None）
主要参数：

• input（Tensor）-输入张量。
• dim（int）-要减少的维度。
• keepdim（bool）-输出张量是否保留了 dim 。默认值： False 。
  关键字参数：
• out（tuple，optional）-两个输出张量的结果元组（max，max_indices）

dim

对于二维数组来说，dim=0为行，dim=1为列
在torch.max()中代表要减少的维度（dimension）

import torch

a = torch.tensor([1, 2, 3, 4])
max = torch.max(a, dim=0)
print(max)

对于以上程序，由于只存在行，所以torch.max(a, dim=0)只能减少的维度为行向量，即dim=0

如果 max = max = torch.max(a, dim=1)，则会报错：维度错误

注：如果在减少的行中存在多个最大值，则返回第一个最大值的索引。

import torch

a = torch.tensor([4, 2, 3, 4])
max = torch.max(a, dim=0)
print(max)

keepdim

输出张量是否保留了 dim，即设置是否保留torch.max(input, dim=0, keepdim=True) 中需要消去的dim。

如果 keepdim 是 True ，则输出张量的大小与 input 相同，除了在维度 dim 中它们的大小为1。

dim=0

二维数组中dim=0代表行，torch.max(a, dim=0)代表消去行，求每列的最大值，keepdim=True则代表保留行

import torch

a = torch.tensor([[1, 2, 3, 4],
                  [4, 1, 2, 3],
                  [6, 2, 3, 4],
                  [3, 4, 5, 9]])

# dim = 0
max1_1 = torch.max(a, dim=0, keepdim=False)
max1_2 = torch.max(a, dim=0, keepdim=True)
print(max1_1)
print(max1_2)

dim=0，消去的维数为行，即求每列的最大值
keepdim=False，vlaues=tensor([6, 4, 5, 9])有一个中括号
keepdim=True，vlaues=tensor([[6, 4, 5, 9]])有两个中括号

indices代表最大值所处的位置（第一列第三个：2，第一列第四个：3，第三列第四个：3，第四列第四个：3）

dim=1

二维数组中dim=1代表列，torch.max(a, dim=0)代表消去列，求每行的最大值，keepdim=True则代表保留列

import torch

a = torch.tensor([[1, 2, 3, 4],
                  [4, 1, 2, 3],
                  [6, 2, 3, 4],
                  [3, 4, 5, 9]])

# dim = 1
max2_1 = torch.max(a, dim=1, keepdim=False)
max2_2 = torch.max(a, dim=1, keepdim=True)
print(max2_1)
print(max2_2)

dim=1，消去的维数为列，即求每行的最大值
keepdim=False，vlaues=tensor([4, 4, 6, 9])有一个中括号
keepdim=True，vlaues=tensor([[4], [4], [6], [9]])有两个中括号

indices代表最大值所处的位置（第一行第四个：3，第二行第一个：0，第三行第一个：0，第四行第四个：3）

out：返回命名元组 (values, indices)

values 是给定维度 dim 中 input 张量的每行的最大值。
indices 是找到的每个最大值（argmax）的索引位置。