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
黎宇幻生29 分钟前
Java全栈学习笔记33
java·笔记·学习
2501_926227941 小时前
.Net程序员就业现状以及学习路线图(五)
学习·.net
Elastic 中国社区官方博客1 小时前
Elasticsearch:智能搜索的 MCP
大数据·人工智能·elasticsearch·搜索引擎·全文检索
stbomei1 小时前
从“能说话”到“会做事”:AI Agent如何重构日常工作流?
人工智能
yzx9910132 小时前
生活在数字世界:一份人人都能看懂的网络安全生存指南
运维·开发语言·网络·人工智能·自动化
许泽宇的技术分享2 小时前
LangGraph深度解析:构建下一代智能Agent的架构革命——从Pregel到现代AI工作流的技术飞跃
人工智能·架构
乔巴先生242 小时前
LLMCompiler:基于LangGraph的并行化Agent架构高效实现
人工智能·python·langchain·人机交互
静西子4 小时前
LLM大语言模型部署到本地(个人总结)
人工智能·语言模型·自然语言处理
cxr8284 小时前
基于Claude Code的 规范驱动开发(SDD)指南
人工智能·hive·驱动开发·敏捷流程·智能体
Billy_Zuo4 小时前
人工智能机器学习——决策树、异常检测、主成分分析(PCA)
人工智能·决策树·机器学习