Ich habe es in der PyTorch-Dokumentation nicht verstanden, also lasse ich es. Code aus Dokumentation
a = torch.randn(1, 3)
a
tensor([[ 0.6763, 0.7445, -2.2369]])
torch.max(a)
tensor(0.7445)
Ja, es gibt das Element mit dem Maximalwert des einfachsten eindimensionalen Arrays zurück
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]))
Ich habe das zweite Argument nicht wirklich verstanden Es war die Achse der Numpy. Also persönlich
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]])
axis = 1
torch.max(a, axis)
torch.return_types.max(values=tensor([0.8475, 1.1949, 1.5717, 1.0036]), indices=tensor([3, 0, 0, 1]))
Es ist leichter zu verstehen.
torch.max(a, axis)Wird in der Klassenklassifikation verwendet, nicht wahr?
Übrigens, obwohl es für mich ist, ist die Achse die Achse! (`` `Achse = 0: Spalte, Achse = 1: Zeile```)
# abschließend
Ich bin immer noch von Bibliotheken und Mathematik beeinflusst, deshalb möchte ich es so schnell wie möglich gut nutzen können.
Recommended Posts