torch.max()
1.
torch.max()简单来说是返回一个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.
这个函数的参数中还有一个dim参数，使用方法为re = torch.max(Tensor,dim),返回的re为一个二维向量，其中re[0]为最大值的Tensor，re[1]为最大值对应的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的维度从0开始算起。在torch.max()中指定了dim之后，比如对于一个3x4x5的Tensor，指定dim为0后，得到的结果是维度为0的“每一行”对应位置求最大的那个值，此时输出的Tensor的维度是4x5.
对于简单的二维Tensor，如上面例子的这个4x5的Tensor。指定dim为0，则给出的结果是4行做比较之后的最大值；如果指定dim为1，则给出的结果是5列做比较之后的最大值，且此处做比较时是按照位置分别做比较，得到一个新的Tensor。
Tensor.view()
简单说就是一个把tensor 进行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]) |
其中参数-1表示剩下的值的个数一起构成一个维度。如上例中，第一个参数1将第一个维度的大小设定成1，后一个-1就是说第二个维度的大小=元素总数目/第一个维度的大小，此例中为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]) |
以上这篇pytorch中torch.max和Tensor.view函数用法详解就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持服务器之家。
原文链接：https://blog.csdn.net/qq_38469553/article/details/85290207
