Je ne l'ai pas compris dans la documentation PyTorch, alors je vais le laisser. Code de Documentation
a = torch.randn(1, 3)
a
tensor([[ 0.6763, 0.7445, -2.2369]])
torch.max(a)
tensor(0.7445)
Oui, il renvoie l'élément avec la valeur maximale du tableau unidimensionnel le plus simple
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]))
Je n'ai pas vraiment compris le deuxième argument de ceci C'était l'axe du numpy. Donc personnellement
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]))
C'est plus facile à comprendre.
torch.max(a, axis)Est-ce utilisé dans la classification des classes, n'est-ce pas?
Au fait, bien que ce soit pour moi, l'axe est l'axe! (```Axis = 0: col, axis = 1: row```)
# en conclusion
Je suis toujours influencé par les bibliothèques et les mathématiques, donc je veux pouvoir bien les utiliser le plus tôt possible.
Recommended Posts