解决办法 pred = torch.max(a,1,keepdim=True)[1]

最新推荐文章于 2024-07-25 18:53:55 发布
最新推荐文章于 2024-07-25 18:53:55 发布
阅读量2.1w 收藏 4
点赞数 1
分类专栏： HKUST pytorch zero to all
版权声明：本文为博主原创文章，遵循 CC 4.0 BY 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/zhuoyuezai/article/details/80395862
版权
pred = torch.max(a,1,keepdim=True)[1]
TypeError: torch.max received an invalid combination of arguments - got (torch.LongTensor, int, keepdim=bool), but expected one of:
 * (torch.LongTensor source)
 * (torch.LongTensor source, torch.LongTensor other)
 * (torch.LongTensor source, int dim)

      didn't match because some of the keywords were incorrect: keepdim


上面错误解决办法

把原先的代码

 pred = output.data.max(1, keepdim=True)[1]

改为

 pred = torch.max(output.data,1)[1]


参考文章

torch.max

努力奋斗-不断进化
关注
专栏目录
.data.max(2, keepdim=True)[1] 以及torch.max(output, 2, keepdim=True)[1]
qq_38178543的博客
03-26 4010
output = torch.tensor([[[-2.4210, -2.8106, -1.0321]], [[-2.4162, 1.4910, 2.2420]], [[-0.9467, -3.4340, 1.5137]], [[-1.1759, 2.3805, -0.1223]], [[-0.6414, -3.3144, 4.2676]], [[-0.9885, 16.1116, 0.5920]]]) predi
predict = model(test_batch).data.max(1, keepdim=True)[1]
weixin_43978703的博客
01-04 2921
*model是我实验中实例化的模型，不重要* 是一些自己做实验时遇到的问题，仅仅是一些比较浅显的理解 这里.max(1,keedim=True)[1]的意思是：首先括号里的1代表需要查找第二维中的最大值，keepdim=true时对应维度被变成1（具体见探究 torch.max() 中 keepdim 参数的影响_绫清隆的博客-CSDN博客） 例如上图是model(test_batch).data的结果 上图是model(test_batch).data.max(1, keepdim=Tru
torch.max()函数用法
最新发布
weixin_52153243的博客
07-25 201
torch.max()[1].data 只返回variable中的数据部分（去掉Variable containing:）torch.max()[1].data.numpy().squeeze() 把数据条目中维度为1 的删除掉。torch.max)(a,0) 返回每一列中最大值的那个元素，且返回索引（返回最大元素在这一列的行索引）torch.max()[1].data.numpy() 把数据转化成numpy ndarry。torch.max()[0]， 只返回最大值的每个数。按维度dim 返回最大值。
【学习笔记】torch.max()[]详解
小羊羔子的BLOG
10-27 1840
torch.max(input, dim) 函数 output = torch.max(input, dim) 输入 input是softmax函数输出的一个tensor dim是max函数索引的维度0/1，0是每列的最大值，1是每行的最大值 输出 函数会返回两个tensor，第一个tensor是每行的最大值；第二个tensor是每行最大值的索引。 在多分类任务中我们并不需要知道各类别的预测概率，所以返回值的第一个tensor对分类任务没有帮助，而第二个tensor包含了预测最大.
pytorch中 _,preds=torch.max(outputs,1)的问题
Fred的博客
04-14 4887
说明： _,preds=torch.max(outputs,1)，这几天用pytorch写代码，一开始出现这句话我还没具体研究其具体用法，但是搭建模型它总是出现，我决定好好研究其用法， 为此我还查了pytorch的文档，终于搞清楚了，原来就是如此简单。 还有就是这个下划线_然后还有一个点是什么意思？其实下划线相当于一个变量，比如定义变量a，然后后面又有一个变量preds，所以中间当然要加逗号，就是用下划线做为变量让我 很意外，不加下划线表示返回一行中最大的数，加下划线表示返回一行中最大数的索引。 附
pred_classes = torch.max(pred, dim=1)[1]
STANDEDS的博客
03-21 989
>>> import torch >>> i=torch.Tensor([[1, 1, 0, 1], [0, 1, 1, 1], [0, 1, 0, 1]]) >>> i.size() torch.Size([3, 4]) >>> c=torch.max(i,dim=1) >>> c torch.return_types.max( values=.
with torch.no_grad(): pred = torch.max(rev,1)[1] accu = (pred == lab).sum() / 16
07-11
接下来，使用`torch.max(rev, 1)`来获取`rev`张量中每行的最大值，并返回最大值和对应的索引。这里的1表示按行计算最大值。 然后，使用`[1]`索引操作符获取最大值对应的索引。这个索引表示模型预测的类别。 接着，...
def __call__(self, pred, label): B = len(label) pred_shape = pred.shape repeat = pred.shape[1]//3200 pred = pred.view(pred_shape[0]*repeat, pred_shape[1]//repeat) label = torch.stack([label]*repeat, dim=1).view(B*repeat) B = len(label) pred = self.model(pred) max_data, max_idx = torch.topk(pred, k=2, dim=1) pred_true = max_idx[:,0]==label pred_false = max_idx[:, 0] != label loss_true = pred[torch.arange(B), label][pred_true]-pred[torch.arange(B), max_idx[:, 1]][pred_true]+self.margin loss_true = torch.sum(loss_true.mul(self.mul))/(len(loss_true)+1e-5) loss_false = (pred[torch.arange(B), label][pred_false]-pred[torch.arange(B), max_idx[:,0]][pred_false]+self.margin) loss_false = loss_false[loss_false>0] loss_false = torch.sum(loss_false.mul(self.mul))/(len(loss_false)+1e-5) loss = loss_true + loss_false return loss
06-09
接着使用 torch.topk() 函数找到每个样本中预测概率最大的两个类别的索引 max_idx，以及对应的预测概率 max_data。然后分别计算预测正确的样本的损失和预测错误的样本的损失。对于预测正确的样本，损失等于模型输出...
def test(): # 加载测试数据 test_loader = torch.utils.data.DataLoader( datasets.CIFAR10(root = args.data, train=False, transform=transforms.Compose([ transforms.ToTensor(), transforms.Normalize((0.4914, 0.4822, 0.4465), (0.2023, 0.1994, 0.2010))])), batch_size=8, shuffle=False, num_workers=0) model.eval() correct = 0 for data, target in test_loader: if not args.cpu: data, target = data.cuda(), target.cuda() data, target = Variable(data), Variable(target) output = model(data) pred = output.data.max(1, keepdim=True)[1] torch.squeeze() correct += pred.eq(target.data.view_as(pred)).cpu().sum()
05-23
然后，它使用 output.data.max(1, keepdim=True)[1] 获取预测标签，并将其存储在 pred 变量中。接着，它使用 torch.squeeze() 函数去除 pred 张量中的所有尺寸为 1 的维度。最后，它将正确分类的数量加上 pred 与 ...
model = GoogleNet(num_classes=10) # num_classes指定分类的类别数 input = torch.randn(1, 3, 224, 224) # 输入图片大小为224x224 output = model(input) pred = output.argmax(dim=1) print(pred)是在哪里输入数据集的呢
05-16
_, predicted = torch.max(outputs.data, 1) total += labels.size(0) correct += (predicted == labels).sum().item() print('Epoch {}, Test Accuracy: {} %'.format(epoch+1, 100 * correct / total)) ``` ...
nn.Softmax(dim=1)(outputs) 与 torch.max(probs, 1)[1]的理解
weixin_43889476的博客
04-01 1416
  已知在模型训练之后，会得出一个outputs，后遇到torch.max(probs, 1)[1]这行代码，不是很清楚它的意思，所以对其进行逐步调试，理清了思路： outputs = model(inputs) probs = nn.Softmax(dim=1)(outputs) # 得出一个(batch_size, 101)的Tensor, 指的是outputs在维度1,即每行上的元素相加等于1，即每个视频动作分别属于101个动作的概率相加等于1 # tupleProbs = torch.max(pro
torch.max()的使用方法
qq_40586364的博客
11-20 2129
类似的，torch.max(a, 0)意思是指对tensor a而言取其列方向的最大值，结果为行（也就是0所示的维度）
详解Pytorch实现MNIST手写数字识别
Delusional的博客
01-30 1570
目录 1.思路和流程分析 2.准备训练集和测试集 2.1 torchvision.transforms的图形数据处理方法 2.1.1 torchvision.transforms.ToTensor 2.1.2 torchvision.transforms.Normalize(mean, std) 2.1.3torchvision.transforms.Compose(transforms) 2.2准备MNIST数据集的Dataset和DataLoader 3.构建模型 3.1 激...
TypeError: new() received an invalid combination of arguments - got (float, int, int, int), but expe
qq_36852840的博客
03-12 8662
TypeError: new() received an invalid combination of arguments - got (float, int, int, int), but expected one of: * (*, torch.device device) * (torch.Storage storage) * (Tensor other) * (tuple of ints size, *, torch.device device) * (object data, *, t.
NLP实战 | BERT文本分类及其魔改(附代码)
zenRRan的博客
10-10 5448
每天给你送来NLP技术干货！写在前面本文主要介绍了两种文本分类模型：BERT文本分类基础模型，及基于Bert和TextCNN的魔改模型。在作者实际的有关文本分类的工作中取得了F1值超越Bert基础模型近4%的效果。1. Baseline：Bert文本分类器Bert模型是Google在2018年10月发布的语言模型，一经问世就横扫NLP领域11项任务的最优结果，可谓风头一时无二。有关于Bert中tr...
logits的含义以及tf.nn.softmax_cross_entropy_with_logits函数分析
luoxuexiong的博客
05-11 1047
本文转载于其他博客，如有冒犯还望谅解！ 1. 什么是logits？ 说到Logits，首先要弄明白什么是Odds？ 在英文里，Odds的本意是指几率、可能性。它和我们常说的概率又有什么区别呢？ 在统计学里，概率（Probability）描述的是某事件A出现的次数与所有事件出现的次数之比: P(A) = 发生事件A的次数/所有事件的次数。（公式1） 很显然，概率 P...
深度学习中的logits是什么含义？
weixin_45683677的博客
10-03 2463
logits在深度学习中表示模型最后一层的数据，也就是raw data，之后可以接softmax或者sigmod进行缩放 logits的范围为 [−∞- \infty−∞，+∞+ \infty+∞]
什么是logits，softmax和softmax_cross_entropy_with_logits？
CHCH998的博客
06-22 825
I was going through the tensorflow API docs here . 我在这里浏览tensorflow API文档。 In the tensorflow docume
pytorch中max函数的一点使用记录 max(-1)[1]
热门推荐
开飞机的小毛驴儿
11-27 1万+
今天看一点在外人看来也许是非常简单的代码，但是越看越模糊，直到查了一些资料才基本搞明白。没办法，小白前进的路上总会有各种崎岖。 相关代码链接：https://github.com/zergtant/pytorch-handbook/blob/master/chapter3/3.1-logistic-regression.ipynb 首先，在数据准备阶段，作者使用german.data-nume...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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