怎么在pytorch中使用torch.max與Tensor.view函數

怎么在pytorch中使用torch.max與Tensor.view函數？相信很多沒有經驗的人對此束手無策，為此本文總結了問題出現的原因和解決方法，通過這篇文章希望你能解決這個問題。

torch.max()

1.

torch.max()簡單來說是返回一個tensor中的最大值。

例如：

>>> 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：

>>> 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。

>>> 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.

>>> 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])

看完上述內容，你們掌握怎么在pytorch中使用torch.max與Tensor.view函數的方法了嗎？如果還想學到更多技能或想了解更多相關內容，歡迎關注億速云行業資訊頻道，感謝各位的閱讀！