torch.max()
1.
torch.max()簡單來說是返回一個tensor中的最大值。
例如：
|
1
2
3
4
5
6
7
8
9
|
>>> 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.
這個函數的參數中還有一個dim參數，使用方法為re = torch.max(Tensor,dim),返回的re為一個二維向量，其中re[0]為最大值的Tensor，re[1]為最大值對應的index的Tensor。
例如：
|
1
2
|
>>> 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開始算起。在torch.max()中指定了dim之后，比如對于一個3x4x5的Tensor，指定dim為0后，得到的結果是維度為0的“每一行”對應位置求最大的那個值，此時輸出的Tensor的維度是4x5.
對于簡單的二維Tensor，如上面例子的這個4x5的Tensor。指定dim為0，則給出的結果是4行做比較之后的最大值；如果指定dim為1，則給出的結果是5列做比較之后的最大值，且此處做比較時是按照位置分別做比較，得到一個新的Tensor。
Tensor.view()
簡單說就是一個把tensor 進行reshape的操作。
|
1
2
3
4
|
>>> a=torch.randn(3,4,5,7)>>> b = a.view(1,-1)>>> print(b.size())torch.Size([1, 420]) |
其中參數-1表示剩下的值的個數一起構成一個維度。如上例中，第一個參數1將第一個維度的大小設定成1，后一個-1就是說第二個維度的大小=元素總數目/第一個維度的大小，此例中為3*4*5*7/1=420.
|
1
2
3
4
5
6
7
8
9
|
>>> 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函數用法詳解就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持服務器之家。
原文鏈接：https://blog.csdn.net/qq_38469553/article/details/85290207
