torch.argmax()与torch.max()的使用方法及区别

1.torch.max()
分类神经网络的输出是所有类别对应的概率值，要返回标签的话就需要用到将概率值与标签对应。torch.max()返回tensor数据最大值和索引，输出的值有两个参数，第一个参数是最大值，第二个参数是最大值的索引（也就是分类label），主要用于神经网络输出与label的匹配。
代码如下：

import torch
output=torch.tensor([[-0.7403, -0.6481],
        [-0.6869, -0.6994],
        [-0.6569, -0.7307],
        [-0.6623, -0.7250],
        [-0.7715, -0.6205],
        [-0.6643, -0.7229],
        [-0.5958, -0.8010],
        [-0.5925, -0.8051],
        [-0.7938, -0.6017],
        [-0.6400, -0.7493]])
output
out:
tensor([[-0.7403, -0.6481],
        [-0.6869, -0.6994],
        [-0.6569, -0.7307],
        [-0.6623, -0.7250],
        [-0.7715, -0.6205],
        [-0.6643, -0.7229],
        [-0.5958, -0.8010],
        [-0.5925, -0.8051],
        [-0.7938, -0.6017],
        [-0.6400, -0.7493]])

data=torch.max(output,dim=1)
data

out:
torch.return_types.max(
values=tensor([-0.6481, -0.6869, -0.6569, -0.6623, -0.6205, -0.6643, -0.5958, -0.5925,
        -0.6017, -0.6400]),
indices=tensor([1, 0, 0, 0, 1, 0, 0, 0, 1, 0]))

可以看到，返回的值里面有两个参数，一个是最大值values，另一个是最大值的索引indices，实际应用中取输出标签可以这样写：

values, predictions = torch.max(outputs.data, 1)
 
values:
tensor([-0.6481, -0.6869, -0.6569, -0.6623, -0.6205, -0.6643, -0.5958, -0.5925,-0.6017, -0.6400])

predictions:
tensor([1, 0, 0, 0, 1, 0, 0, 0, 1, 0])

2.torch.argmax()
torch.argmax()的作用与前面类似，我们只想要神经网络最终的标签，它输出的概率值并不关心，那么就可以直接用torch.argmax()返回tensor数据最大值的索引，代码示例如下：

predictions =torch.argmax(output,dim=1)
predictions

out:
tensor([1, 0, 0, 0, 1, 0, 0, 0, 1, 0])

3.补充另外几点
准确率计算：

correct_counts = predictions.eq(labels.data.view_as(predictions))
acc = torch.mean(correct_counts.type(torch.FloatTensor))