迹忆客 专注技术分享

在本文中，我们将了解如何使用 PyTorch torch.max() 函数。

正如大家所料，这是一个非常简单的功能，但有趣的是，它的功能比想象的要多。

让我们通过一些简单的例子来看看如何使用这个函数。

注意 ：在撰写本文时，使用的 PyTorch 版本是 PyTorch 1.5.0

PyTorch torch.max() - 基本语法

要使用 PyTorch torch.max()，首先导入 torch。

import torch

现在，此函数返回 Tensor 中元素的最大值。

PyTorch torch.max() 的默认行为

默认行为是返回单个元素和一个索引，对应于全局最大元素。

max_element = torch.max(input_tensor)

下面是一个例子：

p = torch.randn([2, 3])
print(p)
max_element = torch.max(p)
print(max_element)

输出

tensor([[-0.0665,  2.7976,  0.9753],
        [ 0.0688, -1.0376,  1.4443]])
tensor(2.7976)

事实上，这给了我们 Tensor 中的全局最大元素！

沿维度使用 torch.max()

但是，大家可能希望获得沿特定维度的最大值，作为张量，而不是单个元素。

要指定维度（轴 - 在 numpy 中），还有另一个可选的关键字参数，称为 dim

这代表了我们取最大值的方向。

这将返回一个元组 max_elements 和 max_indices。

• max_elements -> Tensor的所有最大元素。
• max_indices -> 对应于最大元素的索引。

max_elements, max_indices = torch.max(input_tensor, dim)

这将返回一个 Tensor，它具有沿维度 dim 的最大元素。

现在让我们看一些例子。

p = torch.randn([2, 3])
print(p)

# 沿 dim = 0 (axis = 0) 获取最大值
max_elements, max_idxs = torch.max(p, dim=0)
print(max_elements)
print(max_idxs)

输出如下所示

tensor([[-0.0665,  2.7976,  0.9753],
        [ 0.0688, -1.0376,  1.4443]])
tensor([0.0688, 2.7976, 1.4443])
tensor([1, 0, 1])

如你所见，我们找到了沿维度 0 的最大值（沿列的最大值）。

此外，我们得到与元素对应的索引。 例如，0.0688 在第 0 列的索引为 1

同样，如果要沿行查找最大值，请使用 dim=1。

# 沿 dim = 1（axis = 1）获取最大值
max_elements, max_idxs = torch.max(p, dim=1)
print(max_elements)
print(max_idxs)

输出如下所示

tensor([2.7976, 1.4443])
tensor([1, 2])

实际上，我们得到了沿行的最大元素，以及相应的索引（沿行）。

使用 torch.max() 进行比较

我们还可以使用 torch.max() 来获取两个 Tensor 之间的最大值。

output_tensor = torch.max(a, b)

在这里，a 和 b 必须具有相同的维度，或者必须是“可广播的” Tensor。

这是一个比较两个具有相同维度的Tensor的简单示例。

p = torch.randn([2, 3])
q = torch.randn([2, 3])

print("p =", p)
print("q =",q)

# 比较 p 和 q 的元素并得到最大值
max_elements = torch.max(p, q)

print(max_elements)

结果输出如下所示

p = tensor([[-0.0665,  2.7976,  0.9753],
        [ 0.0688, -1.0376,  1.4443]])
q = tensor([[-0.0678,  0.2042,  0.8254],
        [-0.1530,  0.0581, -0.3694]])
tensor([[-0.0665,  2.7976,  0.9753],
        [ 0.0688,  0.0581,  1.4443]])

实际上，我们得到的输出 Tensor 在 p 和 q 之间具有最大元素。

总结

在本文中，我们学习了如何使用 torch.max() 函数来找出 Tensor 的最大元素。

我们还使用这个函数来比较两个 Tensor 并获得其中的最大值。