【pytorch 中 torch.max 和 torch.argmax 的区别】

2023-10-18 17:36
文章标签 区别 pytorch torch max argmax

本文主要是介绍【pytorch 中 torch.max 和 torch.argmax 的区别】,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

torch.max 和 torch.argmax 的区别

1.torch.max

torch.max(input, dim, max=None, max_indices=None, keepdim=False) -->> (Tensor, LongTensor)

作用:找出给定tensor的指定维度dim上的上的最大值,并返回最大值在该维度上的值和位置索引。
应用举例
例1——返回相应维度上的最大值,并返回最大值的位置索引

a = torch.randn(4, 4)
a
>tensor([[-1.2360, -0.2942, -0.1222,  0.8475],[ 1.1949, -1.1127, -2.2379, -0.6702],[ 1.5717, -0.9207,  0.1297, -1.8768],[-0.6172,  1.0036, -0.6060, -0.2432]])
torch.max(a, 1)
>torch.return_types.max(values=tensor([0.8475, 1.1949, 1.5717, 1.0036]), 
indices=tensor([3, 0, 0, 1]))

例2——如果max的参数只有一个tensor,则返回该tensor里所有值中的最大值。

a = torch.randn(4, 4)
a
>tensor([[ 0.4997,  0.8054,  0.1761,  0.3055],[-1.2234,  0.3823,  0.2266, -2.9062],[ 0.4390, -1.0142, -0.5314, -1.7095],[-0.2296, -0.4230, -0.7446, -0.0828]])
torch.max(a)
>tensor(0.8054)

例3——如果max的参数是两个相同shape的tensor,则返回两tensor元素对应位置的最大值的新tensor

a = torch.randint(2, 10,(6,4))
a
>tensor([[8, 7, 3, 5],[2, 8, 3, 4],[3, 2, 5, 5],[4, 7, 5, 2],[2, 9, 3, 8],[4, 4, 2, 2]])
b = torch.randint(2, 10,(6,4))
b
>tensor([[9, 8, 9, 2],[4, 3, 3, 4],[6, 9, 2, 7],[4, 3, 2, 7],[4, 4, 9, 2],[8, 2, 6, 2]])
torch.max(a, b) 
>tensor([[9, 8, 9, 5],[4, 8, 3, 4],[6, 9, 5, 7],[4, 7, 5, 7],[4, 9, 9, 8],[8, 4, 6, 2]])

2. torch.argmax

函数定义
torch.argmax(input, dim, keepdim=False) → LongTensor
作用:返回输入张量中指定维度的最大值的索引。
应用举例:
例1——指定维度:返回相应维度最大值的索引

a = torch.randn(4, 4)
a
>tensor([[ 1.3398,  0.2663, -0.2686,  0.2450],[-0.7401, -0.8805, -0.3402, -1.1936],[ 0.4907, -1.3948, -1.0691, -0.3132],[-1.6092,  0.5419, -0.2993,  0.3195]])
torch.argmax(a, dim=1)
>tensor([ 0,  2,  0,  1])

例2——不指定维度,返回整体上最大值的序号

a = torch.randint(9,(3, 3))
a
>tensor([[5, 2, 2],[7, 2, 0],[8, 0, 6]])
torch.argmax(a)
>tensor(6)

3.torch.min

用法同max

4.torch.argmin

用法同argmax

这篇关于【pytorch 中 torch.max 和 torch.argmax 的区别】的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/234124

相关文章

pytorch自动求梯度autograd的实现

《pytorch自动求梯度autograd的实现》autograd是一个自动微分引擎,它可以自动计算张量的梯度,本文主要介绍了pytorch自动求梯度autograd的实现,具有一定的参考价值,感兴趣... autograd是pytorch构建神经网络的核心。在 PyTorch 中,结合以下代码例子,当你

go 指针接收者和值接收者的区别小结

《go指针接收者和值接收者的区别小结》在Go语言中,值接收者和指针接收者是方法定义中的两种接收者类型,本文主要介绍了go指针接收者和值接收者的区别小结,文中通过示例代码介绍的非常详细,需要的朋友们下... 目录go 指针接收者和值接收者的区别易错点辨析go 指针接收者和值接收者的区别指针接收者和值接收者的

售价599元起! 华为路由器X1/Pro发布 配置与区别一览

《售价599元起!华为路由器X1/Pro发布配置与区别一览》华为路由器X1/Pro发布,有朋友留言问华为路由X1和X1Pro怎么选择,关于这个问题,本期图文将对这二款路由器做了期参数对比,大家看... 华为路由 X1 系列已经正式发布并开启预售,将在 4 月 25 日 10:08 正式开售,两款产品分别为华

如何在pycharm安装torch包

《如何在pycharm安装torch包》:本文主要介绍如何在pycharm安装torch包方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录在pycharm安装torch包适http://www.chinasem.cn配于我电脑的指令为适用的torch包为总结在p

在PyCharm中安装PyTorch、torchvision和OpenCV详解

《在PyCharm中安装PyTorch、torchvision和OpenCV详解》:本文主要介绍在PyCharm中安装PyTorch、torchvision和OpenCV方式,具有很好的参考价值,... 目录PyCharm安装PyTorch、torchvision和OpenCV安装python安装PyTor

pytorch之torch.flatten()和torch.nn.Flatten()的用法

《pytorch之torch.flatten()和torch.nn.Flatten()的用法》:本文主要介绍pytorch之torch.flatten()和torch.nn.Flatten()的用... 目录torch.flatten()和torch.nn.Flatten()的用法下面举例说明总结torch

kotlin中const 和val的区别及使用场景分析

《kotlin中const和val的区别及使用场景分析》在Kotlin中,const和val都是用来声明常量的,但它们的使用场景和功能有所不同,下面给大家介绍kotlin中const和val的区别,... 目录kotlin中const 和val的区别1. val:2. const:二 代码示例1 Java

CSS Padding 和 Margin 区别全解析

《CSSPadding和Margin区别全解析》CSS中的padding和margin是两个非常基础且重要的属性,它们用于控制元素周围的空白区域,本文将详细介绍padding和... 目录css Padding 和 Margin 全解析1. Padding: 内边距2. Margin: 外边距3. Padd

Springboot @Autowired和@Resource的区别解析

《Springboot@Autowired和@Resource的区别解析》@Resource是JDK提供的注解,只是Spring在实现上提供了这个注解的功能支持,本文给大家介绍Springboot@... 目录【一】定义【1】@Autowired【2】@Resource【二】区别【1】包含的属性不同【2】@

Java中的String.valueOf()和toString()方法区别小结

《Java中的String.valueOf()和toString()方法区别小结》字符串操作是开发者日常编程任务中不可或缺的一部分,转换为字符串是一种常见需求,其中最常见的就是String.value... 目录String.valueOf()方法方法定义方法实现使用示例使用场景toString()方法方法