torch比较操作 包含torch.max()

torch.max()函数表达式

output = torch.max(input, dim)
输入
  • input是输入
  • dim是max函数索引的维度0/1,0是每列的最大值,1是每行的最大值
输出
  • 函数会返回两个tensor,第一个tensor是每行的最大值;第二个tensor是每行最大值的索引
>>> a = torch.randn(4, 4)
>>> a
tensor([[ 0.4067, -0.7722, -0.6560, -0.9621],
        [-0.8754,  0.0282, -0.7947, -0.1870],
        [ 0.4300,  0.5444,  0.3180,  1.2647],
        [ 0.0775,  0.5886,  0.1662,  0.8986]])
>>> torch.max(a, 1)
torch.return_types.max(
values=tensor([0.4067, 0.0282, 1.2647, 0.8986]),
indices=tensor([0, 1, 3, 3]))

实际上,torch.max()这个函数返回的是两个值,第一个值是具体的values(我们用下划线_表示),第二个值是value所在的indices(也就是predicted)。

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

因为我们不关心最大值是什么,而关心最大值对应的index是什么,所以选用下划线代表不需要用到的变量。

torch的其他比较操作

  • 0
    点赞
  • 0
    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

w'xy

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