torch.max(y, dim=1)[1]

    model = AlexNet(num_classes=5)
    x = torch.randn((5, 3, 224, 224))
    y = model(x)
    # print(x.shape)
    # print(y.shape)
    print(y)
    print(torch.max(y, dim=1))
    print(torch.max(y, dim=1)[1])

输出:

tensor([[-0.0140,  0.0005, -0.0043, -0.0048,  0.0010],
        [-0.0233,  0.0032, -0.0008, -0.0094,  0.0052],
        [-0.0128,  0.0168, -0.0010, -0.0047,  0.0025],
        [-0.0131,  0.0177, -0.0092, -0.0070,  0.0145],
        [-0.0258,  0.0088, -0.0095,  0.0063,  0.0106]],
       grad_fn=<AddmmBackward0>)


torch.return_types.max(
values=tensor([0.0010, 0.0052, 0.0168, 0.0177, 0.0106], grad_fn=<MaxBackward0>),
indices=tensor([4, 4, 1, 1, 4]))


tensor([4, 4, 1, 1, 4])

所以,torch.max(y, dim=1)[1] 的作用:

在行方向上寻找最大值,并返回索引

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 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
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