Pytorch最大值最小值函数：torch.max()、torch.min()

torch.max()函数原型：

torch.max(input, dim, keepdim=False, *, out=None)

input：输入的Tensor

dim：将要在哪一个维度上进行比较

keepdim：是否保留维度信息，默认False。为True时，返回值将增加一个与dim相同的维度

        当只传入input时，则在整个input中寻找最大值，只返回最大值，不返回索引。

input = torch.tensor([[6, 2, 7], [8, 1, 3], [4, 5, 9]])
print(input)
values = torch.max(input)
print(values)

tensor([[6, 2, 7],
        [8, 1, 3],
        [4, 5, 9]])
tensor(9)

        当传入dim时，将返回dim对应维度上的最大值与对应的dim维度的索引。若input为一个二维的Tensor，那么dim=0时将在列上寻找最大值，并返回对应行的索引；dim=1时将在行上寻找最大值，并返回对应列的索引。

# dim=0 在列上寻找最大值 返回对应行的索引
input = torch.tensor([[6, 2, 7], [8, 1, 3], [4, 5, 9]])
print(input)
values, indices = torch.max(input, dim=0)
print(values)
print(indices)

output:
tensor([[6, 2, 7],
        [8, 1, 3],
        [4, 5, 9]])
tensor([8, 5, 9])
tensor([1, 2, 2])

# dim=1 在行上寻找最大值 返回对应列的索引
input = torch.tensor([[6, 2, 7], [8, 1, 3], [4, 5, 9]])
print(input)
values, indices = torch.max(input, dim=1)
print(values)
print(indices)

output:
tensor([[6, 2, 7],
        [8, 1, 3],
        [4, 5, 9]])
tensor([7, 8, 9])
tensor([2, 0, 2])

        当传入keepdim时，则会保留维度的信息。以input为二维的Tensor举例。若dim=0，keepdim=True，将返回每列上的最大值，与对应行的索引，值与索引的格式保留了列的维度信息。可以看到当keepdim=False时，返回的值与索引的shape为3；keepdim=True时，返回的值与索引的shape为[1, 3]，列的维度信息被保留下来。

# dim=0 keepdim=True 返回值保留列维度信息
input = torch.tensor([[6, 2, 7], [8, 1, 3], [4, 5, 9]])
print(input)
values, indices = torch.max(input, dim=0, keepdim=True)
print(values)
print(indices)

output:
tensor([[6, 2, 7],
        [8, 1, 3],
        [4, 5, 9]])
tensor([[8, 5, 9]])
tensor([[1, 2, 2]])

# dim=1 keepdim=True 返回值保留了行维度信息
input = torch.tensor([[6, 2, 7], [8, 1, 3], [4, 5, 9]])
print(input)
values, indices = torch.max(input, dim=1, keepdim=True)
print(values)
print(indices)

output:
tensor([[6, 2, 7],
        [8, 1, 3],
        [4, 5, 9]])
tensor([[7],
        [8],
        [9]])
tensor([[2],
        [0],
        [2]])