torch.max()

在pytorch中看到torch.max()函数，图片数据的维度一般是[b,c,h,w]

例子就忽略b维度，随机初始化一个三维度的tensor,然后测试在每个维度上使用torch.max()的结果。

1.首先是w维度，也就是三维向量列的维度

import torch
input=torch.randn(2,3,3)
print(input)
input_max=torch.max(input,dim=2,keepdim=True)[0]
print(input_max)
print(input_max.shape)

上面的原始tensor数据是2x3x3的，也就是2块，3行，3列。如果在w维度执行torch.max()函数，得到的tensor数据就是在每一块的每一行选出最大的数值，所以每一块中只有一列数据，所以得出的结果是2x3x1的tensor。

为什么是在每一块的每一行中选出最大值呢？(因为同一行的数据是属于列维度的)

对于一个2x2的二维向量[[1，2，3]，[4，5，6]]，1，2，3、4，5，6是处于同一维度的(列维度)，而1，4、2，5、3，6是处于同一维度的(行维度)。而torch.max()就是找出指定维度的最大值。上例中要取w维度的最大值，所以是在每一块的每一行中找出最大值。

2.首先是h维度，也就是三维向量行的维度

只需要将上面代码中torch.max()的dim参数的值改为1即可。

 在h维度上执行，就是在每一块的每一列中找出最大值。所以每一块中只有一行数据，所以结果是2x1x3的tensor。

这三个数据是属于原数据的行的维度的，所以在行的维度上执行torch.max()函数，是在每一列中寻找最大值。

3. 最后是c维度，也就是三维向量块(根据上述的数据随意起的名字)的维度

只需要将上面代码中torch.max()的dim参数的值改为0即可。

 在该维度上执行，就是要在各个块中找出最大的一块，所以得出的结果只有一块也就是1x3x3的tensor。

实际上是每一个块对应位置上的数据比较，选择最大值来拼成最后的结果。