pytorch基础学习6

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

一、语法 x = x.view(x.size(0), -1)

文档：view(*args) → Tensor

返回一个有相同数据但大小不同的tensor。 返回的tensor必须有与原tensor相同的数据和相同数目的元素，但可以有不同的大小。一个tensor必须是连续的contiguous()才能被查看。

x.size(0)
输入值是x，x.size是以元组的形式返回X的数据格式，也就是X的维度形状。以图像处理的输入为例，通常第一个维度是batch size。

那么语法可以转换为x = x.view(batch size,-1)

x.view()函数，表示将输入转换为括号里想要输出的tensor数据形状，x.view(y,-1)中y表示返回的是y行，-1表示的是n列（根据实际返回的数据个数，以自适应的方式返回）。

故x = x.view(x.size(0), -1) 的意为将输入tensor x转换为tensor（batch size行，自适应的n列）
类似于numpy.reshape()函数

---

二、语法 torch.max()

torch.max(input, dim, keepdim=False, out=None) -> (Tensor, LongTensor)

1.部分参数：

input:输入值，数据为Tensor格式；
dim:压缩第几个维度，若dim = 0 ,将输入值压缩成一行，若是二维的数据，即可认为求取每列的最大值；dim = 1，即压缩列，求取每行的最大值；
keepdim：保持维度，默认值为False,不保持原始维度；

2.返回值

返回值通常是2个元素的元组。第一个元素是返回输入值的最大值，数据格式是tensor ；第二个元素是返回最大值的索引值，数据格式为tensor。

3.如何将返回值以Python能直接处理的数据类型取出，通常使用函数item()。如:
torch.max([2,3,4]).item()
返回值为4

---