Pytorch中torch.argmax()函数解析
一. torch.argmax()函数解析
1. 官网链接
torch.argmax(),如下图所示:
2. torch.argmax(input)函数解析
torch.argmax(input) → LongTensor
将输入input张量,无论有几维,首先将其reshape排列成一个一维向量,然后找出这个一维向量里面最大值的索引。
3. 代码举例
import torch
x = torch.randn(3,4)
y = torch.argmax(x)#对应于x中最大元素的索引值
x,y
输出结果如下:
import torch
x = torch.randn(3,4)
y = torch.argmax(x)#对应于x中最大元素的索引值
x,y
4. torch.argmax(input,dim) 函数解析
torch.argmax(input, dim, keepdim=False) → LongTensor
函数返回其他所有维在这个维度上面张量最大值的索引。
torch.argmax()函数中dim表示该维度会消失,可以理解为最终结果该维度大小是1,表示将该维度压缩成维度大小为1。
举例理解:对于一个维度为(d0,d1) 的矩阵来说,dim=1表示求每一行中最大数的在该行中的列号,最后得到的就是一个维度为(d0,1) 的二维矩阵,最终列这一维度大小为1就要消失了,最终结果变成一维张量(d0);
dim=0表示求每一列中最大数的在该列中的行号,最后我们得到的就是一个维度为(1,d1) 的二维矩阵,结果行这一维度大小为1就要消失了,最终结果变成一维张量(d1)。
因此,我们想要求每一行最大的列标号,我们就要指定dim=1,表示我们不要列了,保留行的size就可以了。
假如我们想求每一列的最大行标,就可以指定dim=0,表示我们不要行了,求出每一列的最大值的下标,最后得到(1,d1)的一维矩阵。
5. 代码举例
5.1 输入二维张量torch.Size([3, 4]),dim=0表示将dim=0这个维度大小由3压缩成1,然后找到dim=0这三个值中最大值的索引,这个索引表示dim=0行索引标号,结果张量维度变为torch.Size([4])。
import torch
x = torch.randn(3,4)
y = torch.argmax(x,dim=0)#dim=0表示将dim=0这个维度大小由3压缩成1,然后找到dim=0这三个值中最大值的索引,这个索引表示dim=0行索引标号
x,x.shape,y,y.shape
输出结果如下:
(tensor([[ 2.6347, 0.6456, -1.0461, -1.5154],[-1.3955, -1.2618, -0.5886, -0.5947],[-1.5272, -2.0960, 0.9428, -0.9532]]),torch.Size([3, 4]),tensor([0, 0, 2, 1]),torch.Size([4]))
5.2 输入二维张量torch.Size([3, 4]),dim=1表示将dim=1这个维度大小由4压缩成1,然后找到dim=1这四个值中最大值的索引,这个索引表示dim=1列索引标号,结果张量维度变为torch.Size([3])。
import torch
x = torch.randn(3,4)
y = torch.argmax(x,dim=1)#dim=1表示将dim=1这个维度大小由4压缩成1,然后找到dim=1这四个值中最大值的索引,这个索引表示dim=1列索引标号
x,x.shape,y,y.shape
输出结果如下:
(tensor([[ 0.1549, 0.4331, 0.3575, 1.1077],[ 2.0233, 2.0085, -0.6101, -1.8547],[-0.5101, -0.4052, 0.3458, -0.7802]]),torch.Size([3, 4]),tensor([3, 0, 2]),torch.Size([3]))
5.3 输入三维张量torch.Size([2, 3, 4]),dim=0表示将dim=0这个维度大小由2压缩成1,然后找到dim=0这两个值中最大值的索引,这个索引表示dim=0维索引标号。dim=0,即将第一个维度消除,也就是将两个[34]矩阵只保留一个,因此要在两组中作比较,即将上下两个[34]的矩阵分别在对应的位置上比较大小,结果矩阵张量维度变为torch.Size([3, 4])。
import torch
x = torch.randn(2,3,4)
y = torch.argmax(x,dim=0)#dim=0表示将dim=0这个维度大小由2压缩成1,然后找到dim=0这两个值中最大值的索引,这个索引表示dim=0维索引标号
x,x.shape,y,y.shape
输出结果如下:
(tensor([[[-1.4430, 0.0306, -1.0396, 0.1219],[ 0.1016, 0.0889, 0.8005, 0.3320],[-1.0518, -1.4526, -0.4586, -0.1474]],[[ 1.2274, 1.5806, 0.5444, -0.3088],[-0.8672, 0.3843, 1.2377, 2.1596],[ 0.0671, 0.0847, 0.5607, -0.7492]]]),torch.Size([2, 3, 4]),tensor([[1, 1, 1, 0],[0, 1, 1, 1],[1, 1, 1, 0]]),torch.Size([3, 4]))
5.4 输入三维张量torch.Size([2, 3, 4]),dim=1表示将dim=1这个维度大小由3压缩成1,然后找到dim=1这三个值中最大值的索引,这个索引表示dim=1维索引标号。dim=1,即将第二个维度消除(纵向压缩成一维),结果矩阵张量维度变为torch.Size([2, 4])。
import torch
x = torch.randn(2,3,4)
y = torch.argmax(x,dim=1)#dim=1表示将dim=1这个维度大小由3压缩成1,然后找到dim=1这三个值中最大值的索引,这个索引表示dim=1维索引标号
x,x.shape,y,y.shape
输出结果如下:
(tensor([[[-1.7136, 0.5528, 0.5171, 1.2978],[ 1.0250, -0.2687, 0.6727, -0.2013],[ 0.1366, -1.0563, 0.1965, 1.5303]],[[-0.0048, 1.6265, -1.0341, -0.3994],[ 1.5536, 0.9739, -0.0913, 0.0889],[-0.6703, -0.9099, -0.6400, -0.1807]]]),torch.Size([2, 3, 4]),tensor([[1, 0, 1, 2],[1, 0, 1, 1]]),torch.Size([2, 4]))
5.5 输入三维张量torch.Size([2, 3, 4]),dim=2表示将dim=2这个维度大小由4压缩成1,然后找到dim=2这四个值中最大值的索引,这个索引表示dim=2维索引标号。dim=2,即将第三个维度消除(横向压缩成一维),结果矩阵张量维度变为torch.Size([2, 3])。
import torch
x = torch.randn(2,3,4)
y = torch.argmax(x,dim=2)#dim=2表示将dim=2这个维度大小由4压缩成1,然后找到dim=2这四个值中最大值的索引,这个索引表示dim=2维索引标号
x,x.shape,y,y.shape
输出结果如下:
(tensor([[[-0.3493, 0.8838, 0.5876, -0.3967],[-1.5795, 2.6964, 0.7266, 0.3517],[-0.6949, -1.4385, -0.0993, 0.1679]],[[-0.4924, -0.8955, 0.5511, 0.6287],[ 0.2338, -0.5787, -0.2081, -1.3032],[ 0.6429, 0.0949, 0.3319, -0.8551]]]),torch.Size([2, 3, 4]),tensor([[1, 1, 3],[3, 0, 0]]),torch.Size([2, 3]))
Pytorch中torch.argmax()函数解析相关推荐
- Pytorch中torch.repeat()函数解析
一. torch.repeat()函数解析 1. 说明 官网:torch.tensor.repeat(),函数说明如下图所示: 2. 函数功能 torch.tensor.repeat()函数可以对张量 ...
- 【Pytorch】torch.argmax 函数详解
文章目录 一.一个参数时的 torch.argmax 函数 1. 介绍 2. 实例 二.多个参数时的 torch.argmax 函数 1. 介绍 2. 实例 实例1:二维矩阵 实例2:三维矩阵 实例3 ...
- PyTorch中torch.norm函数详解
torch.norm() 是 PyTorch 中的一个函数,用于计算输入张量沿指定维度的范数.具体而言,当给定一个输入张量 x 和一个整数 p 时,torch.norm(x, p) 将返回输入张量 x ...
- pytorch中torch.cholesky()函数的使用
1. 函数介绍: 功能:计算对称正定矩阵的Cholesky分解.A 或对于成批的对称正定矩阵.如果 upper 为 True ,则返回的矩阵 U 为上三角,分解形式为:A=U^TU如果 upper 为 ...
- pytorch 中 torch.cat 函数的使用
1. 字面理解:torch.cat是将两个张量(tensor)拼接在一起,cat是concatnate的意思,即拼接,联系在一起. 2. 例子理解 >>> import torch ...
- Pytorch中torch.unsqueeze()和torch.squeeze()函数解析
一. torch.squeeze()函数解析 1. 官网链接 torch.squeeze(),如下图所示: 2. torch.squeeze()函数解析 torch.squeeze(input, di ...
- Pytorch中torch.numel(),torch.shape,torch.size()和torch.reshape()函数解析
一. torch.numel()函数解析 1. 官网链接 torch.numel(),如下图所示: 2. torch.numel()函数解析 torch.numel(input) → int 返回输入 ...
- 关于PyTorch中的register_forward_hook()函数未能执行其中hook函数的问题
关于PyTorch中的register_forward_hook()函数未能执行其中hook函数的问题 Hook 是 PyTorch 中一个十分有用的特性.利用它,我们可以不必改变网络输入输出的结构, ...
- Pytorch中的collate_fn函数用法
Pytorch中的collate_fn函数用法 官方的解释: Puts each data field into a tensor with outer dimension batch size ...
最新文章
- 通过Auto Layout深入了解SizeClasses的好处和使用
- 如何制作python代码_如何使用50行Python代码制作一个计算器
- 探索 dotnet core 为何在 Windows7 系统需要补丁的原因
- UNIX下 oracle expdp,Linux服务器下对Oracle数据库expdp(导出)和impdp(导入)
- 计算机主板diy,Pc-硬件-装机DIY-〖菜鸟入门篇〗电脑主板图解
- oracle 未找到段的存储定义,Exp-00003 no storage definition found issue in oracle 11g (未找到段 (0,0) 的存储定义)...
- SAP 导出 HTML,【我sap这导出数据表格export.mhtml怎么转换为 excel 工作表.xlsx】excel生成html表格数据...
- TableLayout与MigLayout
- java ftps上传_java – 使用FTPS将文件从android传输到服务器
- 灰色关联分析与预测模型
- 2022·09·漏洞众测平台·企业应急响应中心SRC·大集合·不定时更新
- 基于Qt的连连看小游戏
- 快速检索2021年EI会议论文的方法
- 手机设备唤醒计算机,手机遥控电脑开机神器!局域网唤醒App
- H5 集成微信自定义分享(兼容 ios android)
- 打包AS中的APK文件
- IT培训有靠谱的机构吗,长什么样的?
- 电脑病毒删除的文件怎么找回?两种方法,快来试试吧
- v-charts legend设置排列对齐的方法
- 什么是WebSocket?WebSocket在Vue中如何使用?