Pytorch學習-torch.max和min深度解析

• max的使用 min同理
• • dim參數理解
  • • 二維張量使用max()
    • 三維張量使用max()

max的使用 min同理

參考鏈接：
參考鏈接：

對于tensorA和tensorB： 1）torch.max(tensorA) 返回tensor中的最大值 2）torch.max(tensorA,dim) 返回指定維度的最大數和對應下標 3）torch.max(tensorA,tensorB) 比較tensorA和tensorB相對較大的元素

dim參數理解

搞清楚dim參數
第0維是行，第1維是列！！！
結論：
1）dim=0 查找每列的最大值，返回行下標索引
2）dim=1 查找每行的最大值，返回列下標索引
3）不添加dim參數，返回所有值中的最大值，且無索引

二維張量使用max()

t=torch.randn(2,3) print(t) print("-------max dim=0 -------") print(torch.max(t,dim=0)) print("-------max dim=1 -------") print(torch.max(t,dim=1))

結果：

tensor([[ 0.0231, 0.2109, -1.6104],[-0.5777, -1.3870, -0.9925]]) -------max dim=0 ------- torch.return_types.max( values=tensor([ 0.0231, 0.2109, -0.9925]), indices=tensor([0, 0, 1])) -------max dim=1 ------- torch.return_types.max( values=tensor([ 0.2109, -0.5777]), indices=tensor([1, 0]))

**？？？疑問：**為什么0維是行，但是max時返回是列中的最大值呢？
理解：！！在其他維度均確定的情況下，比較所有dim維對應的數據，找到其中的最大值，并返回索引。
比如：
dim=0時 除了[0]維 還有[1]兩個維度
第一列 遍歷兩行得到 [0][0] 和 [1][0] max為0.0231
第二列 遍歷兩行得到 [0][1] 和 [0][2] max為0.2109
第三列 遍歷兩行得到 [1][1] 和 [1][2] max為-0.9925

三維張量使用max()

第0維順著層，第1維順著行，第2維度順著列

t = torch.randn(2,2,2) print(t) print("-------max dim=0 -------") print(torch.max(t,dim=0))print("-------max dim=1 -------") print(torch.max(t,dim=1))print("-------max dim=2 -------") print(torch.max(t,dim=2))

結果：

tensor([[[-1.6519, -0.3087],[-0.6982, 0.4515]],[[-0.4648, 0.8958],[-1.4150, -1.4633]]]) -------max dim=0 ------- [[-0.4648, 0.8958],[-0.6982, 0.4515]] [[1,1],[0,0]] 列確定 比較行 torch.return_types.max( values=tensor([[-0.4648, 0.8958],[-0.6982, 0.4515]]), indices=tensor([[1, 1],[0, 0]])) -------max dim=1 ------- [[-0.6982, 0.4515],[-0.4648,0.8958]] [[],[]] （[0][0][0]，[0][1][0]），（[0][0][1]，[0][1][1]），（[1][0][0]，[1][1][0]），（[1][0][1]，[1][1][1]） torch.return_types.max( values=tensor([[-0.6982, 0.4515],[-0.4648, 0.8958]]), indices=tensor([[1, 1],[0, 0]])) -------max dim=2 ------- [0][0]_，[0][1]_，[1][0]_，[1][1]_ ([0][0][0],[0][0][1]) ([0][1][0],[0][1][1]) ([1][0][0],[1][0][1]) ([1][1][0],[1][1][1]) torch.return_types.max( values=tensor([[-0.3087, 0.4515],[ 0.8958, -1.4150]]), indices=tensor([[1, 1],[1, 0]]))

總結

以上是生活随笔為你收集整理的Pytorch学习-torch.max()和min()深度解析的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。