torch.max(input, dim, keepdim=False, out=None)使用

torch.max(input, dim, keepdim=False, out=None) -> (Tensor, LongTensor)

按維度dim 返回最大值：0代表列，1代表行

torch.max(a,0) 返回每一列中最大值的那個元素，且返回索引

a=torch.randn(3,3)

tensor([[ 0.0708,  1.2803, -0.6972],
        [-0.8248, -1.5024,  1.2651],
        [-0.0291,  0.2665, -0.7337]])

col_max,idx=torch.max(a,0)
print(col_max)
print(idx)

tensor([0.0708, 1.2803, 1.2651])
tensor([0, 0, 1])

torch.max(a,1) 返回每一行中最大值的那個元素，且返回其索引

col_max,idx=torch.max(a,1)
print(col_max)
print(idx)

tensor([1.2803, 1.2651, 0.2665])
tensor([1, 2, 1])

torch.max()[0]， 只返回最大值的每個數

troch.max()[1]， 只返回最大值的每個索引

torch.max()[1].data 只返回variable中的數據部分（去掉Variable containing:）

torch.max()[1].data.numpy() 把數據轉化成numpy ndarry

torch.max()[1].data.numpy().squeeze() 把數據條目中維度爲1 的刪除掉

torch.max(tensor1,tensor2) element-wise 比較tensor1 和tensor2 中的元素，返回較大的那個值