torch.max()、torch.mean()用法

• max()
  参数：
  dim=0，返回每一列中最大值的那个元素，且返回索引（返回最大元素在这一列的行索引）
  dim=1，返回每一行中最大值的那个元素，且返回其索引（返回最大元素在这一行的列索引）

示例：

import torch
a = torch.randn(3,3)
print(a)
print(torch.max(a,0))
print(torch.max(a,1))
----------------------------
# 输出
tensor([[-0.9620, -0.2919, -0.4747],
        [ 0.2217,  0.5707,  0.8449],
        [-1.3816,  0.5385,  0.1624]])
torch.return_types.max(
values=tensor([0.2217, 0.5707, 0.8449]),
indices=tensor([1, 1, 1]))
torch.return_types.max(
values=tensor([-0.2919,  0.8449,  0.5385]),
indices=tensor([1, 2, 1]))

Process finished with exit code 0

• mean()
  参数：
  dim=0,按行求平均值，返回的形状是（1，列数）；
  dim=1,按列求平均值，返回的形状是（行数，1）；
  默认不设置dim的时候，返回的是所有元素的平均值。

示例：

import torch
x=torch.arange(12).view(4,3)
x=x.float()
x_mean=torch.mean(x)
x_mean0=torch.mean(x,dim=0,keepdim=True)
x_mean1=torch.mean(x,dim=1,keepdim=True)
print('x:', x)
print('x_mean:', x_mean)
print('x_mean0:', x_mean0)
print('x_mean1:', x_mean1)
-------------------------------
# 输出
x: tensor([[ 0.,  1.,  2.],
        [ 3.,  4.,  5.],
        [ 6.,  7.,  8.],
        [ 9., 10., 11.]])
x_mean: tensor(5.5000)
x_mean0: tensor([[4.5000, 5.5000, 6.5000]])
x_mean1: tensor([[ 1.],
        [ 4.],
        [ 7.],
        [10.]])

Process finished with exit code 0

• torch.mean() VS torch.mean().mean()
  （以二维为例）torch.mean(）返回的是一个标量，而torch.mean(dim=0).mean(dim=1)返回的是一个1行1列的张量，虽然数值相同