seo查询整站seo短视频网页入口引流下载

官方介绍：Link

有两种使用场景，输入的参数不同以及返回值不同：

第一种

没有参数dim，但这种只适合一维张量。

torch.max(input) → Tensor

Returns the maximum value of all elements in the input tensor.

举例：

>>> a = torch.randn(1, 3)
>>> a
tensor([[ 0.6763,  0.7445, -2.2369]])
>>> torch.max(a)
tensor(0.7445)

第二种

指定了参数dim，这种就适合多维张量了。

Notes：dim参数的值跟函数选取最大值的结果关系。我觉的还是挺让我意外的，和我想的不太一样。

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

  这种情况下函数会返回一个元组（values，indices），其中，每一个value是input张量中在给定的dim维度中的最大值。并且indices是找到的每一个最大值的索引。

  如果keepdim=True，那么输出的tensors和input保持相同的size，除了在dim维度上size为1哦！否则，如果keepdim=False，那么dim所在的维度是会被squeeze的，也就是输出的tensors比input少一个维度。

Notes：但是，再次注意，dim的数值和挑选最大值方式之间的关系。请看下面的例子：

import torchtensor = torch.randn(4, 4)
tensortensor([[ 0.1789,  0.7102,  0.7627,  0.4721],[-0.2287, -0.7618,  0.1439, -0.5439],[-0.4963,  0.3786,  0.1666, -0.5676],[ 0.6240,  0.0017,  1.0748,  0.4061]])

torch.max(tensor, dim=1)torch.return_types.max(
values=tensor([0.7627, 0.1439, 0.3786, 1.0748]),
indices=tensor([2, 2, 1, 2]))

  所以，从这个结果可以看出，对于这个二维张量而言，dim=1，表示最大值的选取方式是固定行，然后从所有列中选取最大值。

再举一个三维数组的例子看看：

import torch
mine = torch.rand(3, 4, 4)
minetensor([[[0.0945, 0.1062, 0.1506, 0.1382],[0.2846, 0.4346, 0.1247, 0.3741],[0.9909, 0.7365, 0.6959, 0.8086],[0.4392, 0.0296, 0.8124, 0.1953]],[[0.6884, 0.9824, 0.4943, 0.6683],[0.5548, 0.7565, 0.2543, 0.3552],[0.0100, 0.5609, 0.9483, 0.6310],[0.3992, 0.1476, 0.9362, 0.0209]],[[0.8073, 0.9579, 0.2604, 0.0848],[0.3591, 0.4507, 0.5978, 0.6411],[0.6008, 0.0967, 0.7433, 0.0602],[0.9017, 0.2228, 0.1419, 0.3229]]])

res = torch.max(mine, dim=2)  #注意维度dim=2了哦！
restorch.return_types.max(
values=tensor([[0.1506, 0.4346, 0.9909, 0.8124],[0.9824, 0.7565, 0.9483, 0.9362],[0.9579, 0.6411, 0.7433, 0.9017]]),
indices=tensor([[2, 1, 0, 2],[1, 1, 2, 2],[1, 3, 2, 0]]))

res[0].shapetorch.Size([3, 4])

现在能get到torch.max函数在取最大值的方式跟dim是什么关系了吗？
就是

那下面是感受当keepdim=True的结果，

res = torch.max(mine, dim=2, keepdim=True)
restorch.return_types.max(
values=tensor([[[0.1506],[0.4346],[0.9909],[0.8124]],[[0.9824],[0.7565],[0.9483],[0.9362]],[[0.9579],[0.6411],[0.7433],[0.9017]]]),
indices=tensor([[[2],[1],[0],[2]],[[1],[1],[2],[2]],[[1],[3],[2],[0]]]))

res[0].shapetorch.Size([3, 4, 1])

所以现在能get到函数的输出结果跟keepdim参数的关系了吗？