开发者

Pytorch中torch.argmax()函数使用及说明

开发者 https://www.devze.com 2023-01-04 09:23 出处:网络 作者: cv_lhp
目录torch.argmax()函数解析1. 官网链接2. torch.argmax(input)函数解析3. 代码举例4. torch.argmax(input,dim) 函数解析5. 代码举例总结torch.argmax()函数解析
目录
  • torch.argmax()函数解析
    • 1. 官网链接
    • 2. torch.argmax(input)函数解析
    • 3. 代码举例
    • 4. torch.argmax(input,dim) 函数解析
    • 5. 代码举例
  • 总结

    torch.argmax()函数解析

    1. 官网链接

    torch.argmax(),如下图所示:

    Pytorch中torch.argmax()函数使用及说明

    Pytorch中torch.argmax()函数使用及说明

    2. torch.argmax(input)函数解析

    torch.argmax(input) → LongTensor

    将输入input张量,无论有几维,首先将其reshape排列成一个一维向量,然后找出这个一维向量里面最大值的索引。

    3. 代码举例

    import torch
    x = torch.randn(3,4)
    y = torch.argmax(x)#对应于编程x中最大元素的索引值
    x,y
    

    输出结果如下:

    import torch

    x = torch.randn(3,4)

    y = torch.argmax(x)#对应于x中最大元素的索引值

    x,y

    4. torch.argmax(input,dim) 函数解析

    torch.argmax(input, dim, keepdim=False) → LongTensor

    函数返回其他所有维在这个维度上面张量最大值的索引。

    torch.argmax()函数中dim表示该维度会消失,可以理解为最开发者_C培训终结果该维度大小是1,表示将该维度压缩成维度大小为1。

    举例理解:

    对于一个维度为(d0,d1) 的矩阵来说,dim=1表示求每一行中最大数的在该行中的列号,最后得到的就是一个维度为(d0,1) 的二维矩阵,最终列这一维度大小为1就要消失了,最终结果变成一维张量(d0);

    dim=0表示求每一列中最大数的在该列中的行号,最后我们得到的就是一个维度为(1,d1) 的二维矩阵,结果行这一维度大小为1就要消失了,最终结果变成一维张量(d1)。

    因此,我们想要求每一行最大的列标号,我们就要指定dim=1,表示我们不要列了,保留行的size就可以了。

    假如我们想求每一列的最大行标,就可以指定dim=0,表示我们不要行了,求出每一列的最大值的下标,最后得到(1,d1)的一维矩阵。

    5. 代码举例

    5.1 输入二维张量torch.Size([3, 4]),dim=0表示将dim=0这个维度大小由3压缩成1,然后找到dim=0这三个值中最大值的索引,这个索引表示dim=0行索引标号,结果张量维度变为torch.Size([4])。

    import torch
    x = torch.randn(3,4)
    y = torch.argmax(x,dim=0)#dim=0表示将dim=0这个维度大小由3压缩成1,然后找到dim=0这三个值中最大值的索引,这个索引表示dim=0行索引标号
    x,x.shape,y,y.shape
    

    输出结果如下:

    (tensor([[ 2.6347,  0.6456, -1.0461, -1.5154],

             [-1.3955, -1.2618, -0.5886, -0.5947],

             [-1.5272, -2.0960,  0.9428, -0.9532]]),

     torch.Size([3, 4]),

     tensor([0, 0, 2, 1]),

     torch.Size([4]))

    5.2 输入二维张量torch.Size([3, 4]),dim=1表示将dim=1这个维度大小由4压缩成1,然后找到dim=1这四个值中最大值的索引,这个索引表示dim=1列索引标号,结果张量维度变为torch.Size([3])。

    import torch
    x = torch.randn(3,4)
    y = torch.argmax(x,dim=1)#dim=1表示将dim=1这个维度大小由4压缩成1,然后找到dim=1这四个值中最大值的索引,这个索引表示dim=1列索引标号
    x,x.shape,y,y.shape
    

    输出结果如下:

    (tensor([[ 0.1549,  0.4331,  0.3575,  1.1077],

       php;      [ 2.0233,  2.0085, -0.6101, -1.8547],

             [-0.5101, -0.4052,  0.3458, -0.7802]]),

     torch.Size([3, 4]),

     tensor([3, 0, 2]),

     torch.Size([3]))

    5.3 输入三维张量torch.Size([2, 3, 4]),dim=0表示将dim=0这个维度大小由2压缩成1,然后找到dim=0这两个值中最大编程客栈值的索引,这个索引表示dim=0维索引标号。

    dim=0,即将第一个维度消除,也就是将两个[34]矩阵只保留一个,因此要在两组中作比较,即将上下两个[34]的矩阵分别在对应的位置上比较大小,结果矩阵张量维度变为torch.Size([3, 4])。

    import torch
    x = torch.randn(2,3,4)
    y = torch.argmax(x,dim=0)#dim=0表示将dim=0这个维度大小由2压缩成1,然后找到dim=0这两个值中最大值的索引,这个索引表示dim=0维索引标号
    x,x.shape,y,y.shape
    

    输出结果如下:

    (tensor([[[-1.4430,  0.0306, -1.0396,  0.1219],

              [ 0.1016,  0.0889,  0.8005,  0.3320],

              [-1.0518, -1.4526, -0.4586, -0.1474]],

     

             [[ 1.2274,  1.5806,  0.5444, -0.3088],

              [-0.8672,  0.3843,  1.2377,  2.1596],

              [ 0.0671,  0.0847,  0.5607, -0.7492]]]),

     torch.Size([2, 3, 4]),

     tensor([[1, 1, 1, 0],

             [0, 1, 1, 1],

             [1, 1, 1, 0]]),

     torch.Size([3, 4]))

    5.4 输入三维张量torch.Size([2, 3, 4]),dim=1表示将dim=1这个维度大小由3压缩成1,然后找到dim=1这三个值中最大值的索引,这个索引表示dim=1维索引标号。

    dim=1,即将第二个维度消除(纵向压缩成一维),结果矩阵张量维度变为torch.Size([2, 4])。

    import torch
    x = torch.randn(2,3,4)
    y = torch.argmax(x,dim=1)#dim=1表示将dim=1这个维度大小由3压缩成1,然后找到dim=1这三个值中最大值的索引,这个索引表示dim=1维索引标号
    x,x.shape,y,y.shape
    

    输出结果如下:

    (tensor([[[-1.7136,  0.5528,  0.5171,  1.2978],

              [ 1.0250, -0.2687, &www.devze.comnbsp;0.6727, -0.2013],

              [ 0.1366, -1.0563,  0.1965,  1.5303]],

     

             [[-0.0048,  1.6265, -1.0341, -0.3994],

              [ 1.5536,  0.9739, -0.0913,  0.0889],

              [-0.6703, -0.9099, -0.6400, -0.1807]]]),

     torch.Size([2, 3, 4]),

     tensor([[1, 0, 1, 2],

             [1, 0, 1, 1]]),

     torch.Size([2, 4]))

    5.5 输入三维张量torch.Size([2, 3, 4]),dim=2表示将dim=2这个维度大小由4压缩成1,然后找到dim=2这四个值中最大值的索引,这个索引表示dim=2维索引标号。dim=2,即将第三个维度消除(横向压缩成一维),结果矩阵张量维度变为torch.Size([2, 3])。

    import torch
    x = torch.randn(2,3,4)
    y = torch.argmax(x,dim=2)#dim=2表示将dim=2这个维度大小由4压缩成1,然后找到dim=2这四个值中最大值的索引,这个索引表示dim=2维索引标号
    x,x.shape,y,y.shape
    

    输出结果如下:

    (tensor([[[-0.3493,  0.8838,  0.5876, -0.3967],

              [-1.5795,  2.6964,  0.7266,  0.3517],

              [-0.6949, -1.4385, -0.0993,  0.1679]],

     

             [[-0.4924, -0.8955,  0.5511,  0.6287],

              [ 0.2338, -0.5787, -0.2081, -1.3032],

              [ 0.6429,  0.0949,  0.3319, -0.8551]]]),

     torch.Size([2, 3, 4]),

    &javascriptnbsp;tensor([[1, 1, 3],

             [3, 0, 0]]),

     torch.Size([2, 3]))

    总结

    以上为个人经验,希望能给大家一个参考,也希望大家多多支持我们。

    0

    精彩评论

    暂无评论...
    验证码 换一张
    取 消

    关注公众号