torch.max()学习记录

x=tourch.tensor([[1,2,3],[4,6,5],[9,11,4],[-2,6,20]])为4*3的一个张量

1)请思考y的值

y=torch.max(x,dim=0)

分析:x是一个2D: 4*3的张量,dim=0 ,表示按照行操作,得到的张量shape=3,对应的是[1,4,9,-2】,【2,6,11,6】,【3,5,4,20】三组内挑选最大值组分别是9、11、20成为【9,11,20】

因此最大应该是y=tensor([9,11,20]) ,对应的argmax()=tensor([2,2,3]),表示【9,11,20】三个分别在第2行、第二行、第三行。

2)请思考y的值

y=torch.max(x,dim=1)

分析:x是一个2D: 4*3的张量,dim=1 ,表示按照列操作,得到的张量shape=4,我的理解是[1,2,3]的最大为3,[4,5,6]的最大为6,【9,11,4]最大值为11,,[-2,6,20]最大值为20,因此y=tensor([3,6,11,20]),对应的argmax()=tensor([2,1,1,2]),表示【3,6,11,20】中,3处于第二列,6处于第1列,11处于第1列,20处于第2列。

太容易忘记,留下记录,非常基础的知识,年龄太大,肤浅得不好意思

相关推荐
悟乙己1 分钟前
LangExtract + 知识图谱 — Google 用于 NLP 任务的新库
人工智能·自然语言处理·知识图谱
lpfasd1233 分钟前
GEO崛起与AI信任危机:数据源安全如何守护智能时代的基石?
大数据·人工智能·安全
Allen正心正念20255 分钟前
提升大语言模型性能的关键技术清单(from 网络)
人工智能·语言模型·自然语言处理
云雾J视界8 分钟前
AI驱动半导体良率提升:基于机器学习的晶圆缺陷分类系统搭建
人工智能·python·机器学习·智能制造·数据驱动·晶圆缺陷分类
拂过世俗的风11 分钟前
Hopfield神经网络简介
人工智能·深度学习·神经网络
IT_陈寒15 分钟前
Vue 3响应式原理深度拆解:5个90%开发者不知道的Ref与Reactive底层实现差异
前端·人工智能·后端
swanwei24 分钟前
AI与电力的深度绑定:算力与能源分配的趋势分析
大数据·人工智能
長安一片月24 分钟前
深度学习的前世今生
人工智能·深度学习
逻极26 分钟前
Spec-Kit 实战指南:从零到一构建“照片拖拽相册”Web App
人工智能·ai·agent·ai编程·web app
骄傲的心别枯萎27 分钟前
RV1126 NO.40:OPENCV图形计算面积、弧长API讲解
人工智能·opencv·计算机视觉·音视频·rv1126