torch.max()

1.

torch.max()簡(jiǎn)單來(lái)說(shuō)是返回一個(gè)tensor中的最大值。

例如：

>>> si=torch.randn(4,5)>>> print(si)tensor([[ 1.1659, -1.5195, 0.0455, 1.7610, -0.2064],    [-0.3443, 2.0483, 0.6303, 0.9475, 0.4364],    [-1.5268, -1.0833, 1.6847, 0.0145, -0.2088],    [-0.8681, 0.1516, -0.7764, 0.8244, -1.2194]])>>> print(torch.max(si))tensor(2.0483)

2.

這個(gè)函數(shù)的參數(shù)中還有一個(gè)dim參數(shù)，使用方法為re = torch.max(Tensor,dim),返回的re為一個(gè)二維向量，其中re[0]為最大值的Tensor，re[1]為最大值對(duì)應(yīng)的index的Tensor。

例如：

>>> print(torch.max(si,0)[0])tensor([1.1659, 2.0483, 1.6847, 1.7610, 0.4364])

注意，Tensor的維度從0開(kāi)始算起。在torch.max()中指定了dim之后，比如對(duì)于一個(gè)3x4x5的Tensor，指定dim為0后，得到的結(jié)果是維度為0的“每一行”對(duì)應(yīng)位置求最大的那個(gè)值，此時(shí)輸出的Tensor的維度是4x5.

對(duì)于簡(jiǎn)單的二維Tensor，如上面例子的這個(gè)4x5的Tensor。指定dim為0，則給出的結(jié)果是4行做比較之后的最大值；如果指定dim為1，則給出的結(jié)果是5列做比較之后的最大值，且此處做比較時(shí)是按照位置分別做比較，得到一個(gè)新的Tensor。

Tensor.view()

簡(jiǎn)單說(shuō)就是一個(gè)把tensor 進(jìn)行reshape的操作。

>>> a=torch.randn(3,4,5,7)>>> b = a.view(1,-1)>>> print(b.size())torch.Size([1, 420])

其中參數(shù)-1表示剩下的值的個(gè)數(shù)一起構(gòu)成一個(gè)維度。如上例中，第一個(gè)參數(shù)1將第一個(gè)維度的大小設(shè)定成1，后一個(gè)-1就是說(shuō)第二個(gè)維度的大小=元素總數(shù)目/第一個(gè)維度的大小，此例中為3*4*5*7/1=420.

>>> d = a.view(a.size(0),a.size(1),-1)>>> print(d.size())torch.Size([3, 4, 35]) >>> e=a.view(4,-1,5)>>> print(e.size())torch.Size([4, 21, 5])

以上這篇pytorch中torch.max和Tensor.view函數(shù)用法詳解就是小編分享給大家的全部?jī)?nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持武林網(wǎng)之家。