您好,登录后才能下订单哦!
怎么在pytorch中使用torch.max与Tensor.view函数?相信很多没有经验的人对此束手无策,为此本文总结了问题出现的原因和解决方法,通过这篇文章希望你能解决这个问题。
torch.max()
1.
torch.max()简单来说是返回一个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.
这个函数的参数中还有一个dim参数,使用方法为re = torch.max(Tensor,dim),返回的re为一个二维向量,其中re[0]为最大值的Tensor,re[1]为最大值对应的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的维度从0开始算起。在torch.max()中指定了dim之后,比如对于一个3x4x5的Tensor,指定dim为0后,得到的结果是维度为0的“每一行”对应位置求最大的那个值,此时输出的Tensor的维度是4x5.
对于简单的二维Tensor,如上面例子的这个4x5的Tensor。指定dim为0,则给出的结果是4行做比较之后的最大值;如果指定dim为1,则给出的结果是5列做比较之后的最大值,且此处做比较时是按照位置分别做比较,得到一个新的Tensor。
Tensor.view()
简单说就是一个把tensor 进行reshape的操作。
>>> a=torch.randn(3,4,5,7) >>> b = a.view(1,-1) >>> print(b.size()) torch.Size([1, 420])
其中参数-1表示剩下的值的个数一起构成一个维度。如上例中,第一个参数1将第一个维度的大小设定成1,后一个-1就是说第二个维度的大小=元素总数目/第一个维度的大小,此例中为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])
看完上述内容,你们掌握怎么在pytorch中使用torch.max与Tensor.view函数的方法了吗?如果还想学到更多技能或想了解更多相关内容,欢迎关注亿速云行业资讯频道,感谢各位的阅读!
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。