pytorch.max()的详细解释

网上大多数对max的解释只停留在二维数据，在三维及以上就没有详述，我将对二维数据和三维数据进行详细解释，让你不再有疑虑

参考文章

torch.max()使用讲解

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

在分类问题中，通常使用max()函数对softmax函数的输出值进行操作，求出预测值索引

参数

input:softmax函数输出的一个tensor
dim:是max函数索引的维度000或111，000指每列的最大值，111指每行的最大值

输出

函数会返回两个tensor，第一个tensor是每行的最大值，softmax的输出中最大的是1，索引第一个tensor是全1的tensor；第二个tensor是每行最大值的索引

二维数据详细讲述

>>>import torch
>>>a = torch.tensor([[1,5,62,54], [2,6,2,6], [2,65,2,6]])
>>>print(a)tensor([[ 1,  5, 62, 54],[ 2,  6,  2,  6],[ 2, 65,  2,  6]])

dim = 0

torch.max(a,0)

torch.return_types.max(
values=tensor([ 2, 65, 62, 54]),
indices=tensor([1, 2, 0, 0]))

这个计算过程是：

a[dim][0],dim会从0遍历到2，也就是[1,2,2]，得到第一个最大值2，index为1
a[dim][1],对[5,6,65]，最大值为65，index为2
…
最终得到上图结果

dim = 1

torch.max(a, 1)

torch.return_types.max(
values=tensor([62,  6, 65]),
indices=tensor([2, 1, 1]))

这个计算过程是：

a[0][dim],dim会从0遍历到3，也就是[1,5,62,54]，得到第一个最大值62，index为2
a[1][dim],对[2,6,2,6]，最大值为6，index为1
…
最终得到上图结果

三维数据详述

a = [1,2,13,4,5,6,27,8,9,0,11,12]
a = np.array(a).reshape(3,2,2)
a = torch.Tensor(a)
print(a)
tensor([[[ 1.,  2.],[13.,  4.]],[[ 5.,  6.],[27.,  8.]],[[ 9.,  0.],[11., 12.]]])

dim = 0

torch.max(a,dim=0)

torch.return_types.max(
values=tensor([[ 9.,  6.],[27., 12.]]),
indices=tensor([[2, 1],[1, 2]]))

计算过程：

a[dim][0][0],dim会从0遍历到2，其他维数值不变，也就是[1,5,9]，得到第一个最大值9，index为2
a[dim][0][1],dim会从0遍历到2，其他维数值不变，对[2,6,0]遍历，最大值为6，index为1
a[dim][1][0]，dim会从0遍历到2，其他维数值不变，对[13,27,11]遍历，最大值为27，index为1
a[dim][1][1]，dim会从0遍历到2，其他维数值不变，对[13,27,11]遍历，最大值为27，index为1
最终得到上面结果

dim = 1

torch.max(a,dim=1)

torch.return_types.max(
values=tensor([[13.,  4.],[27.,  8.],[11., 12.]]),
indices=tensor([[1, 1],[1, 1],[1, 1]]))

计算过程：

a[0][dim][0],dim会从0遍历到1，其他维数值不变，也就是[1,13]，得到第一个最大值13，index为1
a[0][dim][1],dim会从0遍历到1，其他维数值不变，对[2,4]遍历，最大值为4，index为1
a[1][dim][0]，dim会从0遍历到1，其他维数值不变，对[5,27]遍历，最大值为27，index为1
a[1][dim][1]，dim会从0遍历到1，其他维数值不变，对[6,8]遍历，最大值为8，index为1
…
最终得到上面结果

dim = 2

torch.max(a,dim=2)

torch.return_types.max(
values=tensor([[ 2., 13.],[ 6., 27.],[ 9., 12.]]),
indices=tensor([[1, 0],[1, 0],[0, 1]]))

计算过程：

a[0][0][dim],dim会从0遍历到1，其他维数值不变，也就是[1,2]，得到第一个最大值2，index为1
a[0][1][dim],dim会从0遍历到1，其他维数值不变，对[13,4]遍历，最大值为13，index为0
a[1][0][dim]，dim会从0遍历到1，其他维数值不变，对[5,6]遍历，最大值为6，index为1
a[1][1][dim]，dim会从0遍历到1，其他维数值不变，对[27,8]遍历，最大值为27，index为1
…
最终得到上面结果

pytorch.max()的详细解释相关推荐

PointNet代码详细解释(Pytorch版本)
pointnet.pytorch的代码详细解释 1. PointNet的Pytorch版本代码解析链接 2. 代码解释 2.1 代码结构思维导图 2.2 代码注释 2.2.1 build.sh 2.2 ...
Python精讲Numpy基础，大牛笔记详细解释
https://www.toutiao.com/a6664936105076326920/ 总认为Numpy是渣渣,直到深入接触以后才知道功能这么强大.堪比Matlab啊.果然是人生苦短,我用Pyth ...
matlab imcrop 对应python函数_Python精讲Numpy基础，大牛笔记详细解释
总认为Numpy是渣渣,直到深入接触以后才知道功能这么强大.堪比Matlab啊.果然是人生苦短,我用Python.所以本文作为一个记录&笔记,文章内容大多数取自网络以&官网快速入门等, ...
吴恩达机器学习神经网络作业1(用已经求好的权重进行手写数字分类) Python实现代码详细解释
整个项目的github:https://github.com/RobinLuoNanjing/MachineLearning_Ng_Python 里面可以下载进行代码实现的数据集题目介绍: In t ...
吴恩达机器学习逻辑回归作业3(手写数字分类) Python实现代码详细解释
整个项目的github:https://github.com/RobinLuoNanjing/MachineLearning_Ng_Python 里面可以下载进行代码实现的数据集题目介绍: In t ...
pythonnumpy详解_Python精讲Numpy基础，大牛笔记详细解释
以前总认为Numpy是渣渣,直到深入接触以后才知道功能这么强大.堪比Matlab啊.果然是人生苦短,我用Python.所以本文作为一个记录&笔记,文章内容大多数取自网络以&官网快速入门 ...
杭电2159-FATE （二维背包运用+详细解释）
FATE Time Limit: 2000/1000 MS (Java/Others) Memory Limit: 32768/32768 K (Java/Others) Total Submi ...
hql 语法与详细解释
hql 语法与详细解释 2010-08-26 11:50:11 标签: hql 语法解释休闲职场 HQL查询 HQL查询: Criteria查询对查询条件进行了面向对象封装,符合编程人员 ...
关于 IMCRA+OMLSA 语音降噪算法的详细解释
关于 IMCRA+OMLSA 语音降噪算法的详细解释概述 OMLSA 算法 IMCRA 算法概述 IMCRA+OMLSA 算法及其一些变体是目前语音降噪中常用的算法.很多文献在解释这两种算法的时候 ...
linux中ping命令详解,linux中的ping命令的详细解释
linxu下的ping命令的主要功能就是确定网络状态,下面由秋天网 Qiutian.ZqNF.Com小编为大家整理了linux的ping命令的详细解释的相关知识,希望对大家有帮助! 一.linux中的 ...

pytorch.max()的详细解释

参考文章

二维数据详细讲述

dim = 0

dim = 1

三维数据详述

dim = 0

dim = 1

dim = 2

pytorch.max()的详细解释相关推荐

最新文章

热门文章