nn.Softmax(dim=1)(outputs) 与 torch.max(probs, 1)[1]的理解

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(probs, 1)
# typeProbs = torch.max(probs, 1)[0]
# indexProbs = torch.max(probs, 1)[1]
# print(typeProbs)
# print(indexProbs)
preds = torch.max(probs, 1)[1]
# torch.max(probs, 1)是一个2元tuple, 两个元素都是一个(20,)维的Tensor,
# 第一个Tensor : (torch.max(probs, 1)[1])内存放的是batch_size个视频所预测的最大动作概率, 如第一轮的20个概率值[0.2508, 0.3159, ... , 0.2173, 0.2409]
# 第一个Tensor : (torch.max(probs, 1)[0])内存放的是batch_size个视频所预测的最大动作概率的下标, 即所属的类别标签，如第一轮的20个类别标签[55, 53, ... , 78, 38]

在代码中设置三个断点：
可以看到torch.max(probs, 1)的值是一个2元tuple
分别输出typeProbs = torch.max(probs, 1)[0] 与 indexProbs = torch.max(probs, 1)[1]的值，也可以加以验证

nn.Softmax(dim=1)(outputs) 与 torch.max(probs, 1)[1]的理解相关推荐

【从零学Python】理解nn.Softmax(dim=1)(outputs) 与 torch.max(probs, 1)[1]
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(inp ...
nn.Softmax(dim) 的理解
使用pytorch框架进行神经网络训练时,涉及到分类问题,就需要使用softmax函数,这里以二分类为例,介绍nn.Softmax()函数中,参数的含义. 1. 新建一个2x2大小的张量,一行理解成一 ...
_, preds = torch.max(outputs.data, 1)
今天在看<PyTorch深度学习>这本书的时候,看到了一段代码,怎么都看不懂,然后CSDN上搜索了一下,发现了大佬的以篇博客<PyTorch系列 | _, predicted = t ...
Pytorch中tensor维度和torch.max()函数中dim参数的理解
Pytorch中tensor维度和torch.max()函数中dim参数的理解维度参考了 https://blog.csdn.net/qq_41375609/article/details/106 ...
torch max 判断与筛选
判断max是否大于0:item()后,就变成了一个值了, import torch y=torch.Tensor(1,2,3) if torch.max(y>=2).item(): print( ...
torch.max()、expand()、expand_as()使用讲解
在分类问题中,通常需要使用max()函数对softmax函数的输出值进行操作,求出预测值索引,然后与标签进行比对,计算准确率.下面讲解一下torch.max()函数的输入及输出值都是什么,便于我们理解 ...
pytorch nn.Softmax
应用 m = nn.Softmax(dim=1) input = torch.randn(2, 3) output = m(input) 概念 API 将多个输出值转换为概率值,范围在[0,1],且概 ...
nn.softmax的参数使用和数据使用
nn.Softmax ,dim=0 对于二维数组的dim=0时,将每列的每个元素和这一列的自然指数之和进行比, import torch.nn as nn import numpy as np imp ...
nn.Softmax
nn.Softmax(dim=None) dim: 计算的维度 A dimension along which Softmax will be computed (so every slice alo ...

nn.Softmax(dim=1)(outputs) 与 torch.max(probs, 1)[1]的理解

nn.Softmax(dim=1)(outputs) 与 torch.max(probs, 1)[1]的理解相关推荐

最新文章

热门文章