深入浅出Pytorch函数——torch.max

分类目录:《深入浅出Pytorch函数》总目录

相关文章:

· 深入浅出Pytorch函数------torch.max

· 深入浅出Pytorch函数------torch.maximum


torch.max有三种输入形式,根据其输入形式及参数的不同有下列三种返回形式:

  • torch.max(input):返回输入张量所有元素的最大值。
  • torch.max(input, dim, keepdim=False, *, out=None):返回输入张量给定维度上每行的最大值,并同时返回每个最大值的位置索引。如果keepdimTrue,则输出张量的大小与输入张量的大小相同,但尺寸为1的维度dim除外。否则,dim会被挤压(请参见torch.squeeze()),即输出张量比输入少1个维度。
  • torch.max(input, other, *, out=None):参考torch.maximum

语法

复制代码
torch.max(input) -> Tensor
torch.max(input, dim, keepdim=False, *, out=None) -> (values, indices) 
torch.max(input, other, *, out=None) -> Tensor

参数

  • input:[Tensor] 输入张量
  • dim:[int] 待求最大值维度的索引,即返回值中被收缩维度的索引
  • keepdim:[bool] 是否保持输出张量与输入张量的形状一致,默认为False

实例

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

>>> a = torch.randn(4, 5)
>>> a
tensor([[ 1.1299, -1.2838, -1.0533, -1.8278,  0.1653],
        [ 0.6461,  0.4583,  1.5229, -1.0642, -1.8352],
        [-0.9679,  1.1227, -0.2506, -0.4781, -0.2027],
        [ 0.2576,  0.7588, -0.1484, -0.0256,  0.7012]])

>>> torch.max(a, 0)
torch.return_types.max(
values=tensor([ 1.1299,  1.1227,  1.5229, -0.0256,  0.7012]),
indices=tensor([0, 2, 1, 3, 3]))

>>> torch.max(a, 1)
torch.return_types.max(
values=tensor([1.1299, 1.5229, 1.1227, 0.7588]),
indices=tensor([0, 2, 1, 1]))
相关推荐
文火冰糖的硅基工坊3 分钟前
[创业之路-708]:华为不仅仅是传统的通信设备提供商
人工智能·华为
CIO405 分钟前
AI未来--零售行业“AI赋能,价值提升”
人工智能·零售
江塘12 分钟前
机器学习-KNN算法实战及模型评估可视化(C++/Python实现)
开发语言·c++·人工智能·python·算法·机器学习
koo36413 分钟前
李宏毅机器学习笔记34
人工智能·笔记·机器学习
长桥夜波13 分钟前
机器学习日报06
人工智能·机器学习
CClaris14 分钟前
机器学习中的数学——线性空间与基
人工智能·机器学习
Ro Jace19 分钟前
机器学习、深度学习、信号处理领域常用公式速查表
深度学习·机器学习·信号处理
电商API_1800790524732 分钟前
微店常用API:获取商品详情接口|关键字搜索商品接口|获取快递费接口-打通商品运营与用户体验的技术桥梁
大数据·服务器·人工智能·爬虫·数据挖掘
视***间35 分钟前
AI智能相机未来应用
人工智能·数码相机
加油吧zkf42 分钟前
卷积神经网络(CNN)
人工智能·深度学习·cnn