深度学习中torch.max函数的作用

---

解释

torch.max 是 PyTorch 中的一个函数，用于在张量中沿指定维度计算最大值。它有两种用法：

    ① 如果只提供一个输入张量，则返回该张量中的最大值和对应的索引。
    ② 如果提供两个输入张量，则返回两个张量中对应位置的较大值。

深度学习中主要使用第一种用法，下面对该用法举例说明：

代码举例

import torch

# 创建一个张量
# tensor = torch.rand(1, 4, 3, 3)
tensor = torch.tensor(
       [[[[2, 2, 0.7944],
          [2, 0.6368, 0.6928],
          [0.9620, 0.5716, 0.3827]],

         [[0.6216, 0, 1],
          [0.0588, 1, 0.0718],
          [1, 0.1084, 0.0462]],

         [[0.3117, 0.3333, 0.655],
          [0.8207, 0.5918, 3],
          [0.6565, 3, 0.2866]],

         [[0.6613, 0.1222, 0.0590],
          [0.4555, 0.0166, 0.0838],
          [0.3797, 0.6666, 4]]]])
# print(tensor)
print("原张量的shape为：", tensor.shape, '\n')

# 计算整个张量中的最大值和对应的索引
max_value, max_indices = torch.max(tensor, dim=1)

print("max_value:\n", max_value)  # 输出第二个维度上的最大值
print("max_indices:\n", max_indices, '\n')  # 输出第二个维度上最大值的索引

print("max_value.shape为:", max_value.shape)  # 输出每行的最大值
print("max_indices.shape为:", max_indices.shape)  # 输出每行最大值的索引

运行结果：