PyTorch中topk函數(shù)的用法詳解

更新時間：2020年01月02日 16:32:26 作者：咆哮的阿杰

今天小編就為大家分享一篇PyTorch中topk函數(shù)的用法詳解，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧

聽名字就知道這個函數(shù)是用來求tensor中某個dim的前k大或者前k小的值以及對應的index。

用法

torch.topk(input, k, dim=None, largest=True, sorted=True, out=None) -> (Tensor, LongTensor)

input：一個tensor數(shù)據(jù)

k：指明是得到前k個數(shù)據(jù)以及其index

dim：指定在哪個維度上排序，默認是最后一個維度

largest：如果為True，按照大到小排序；如果為False，按照小到大排序

sorted：返回的結(jié)果按照順序返回

out：可缺省，不要

topk最常用的場合就是求一個樣本被網(wǎng)絡認為前k個最可能屬于的類別。我們就用這個場景為例，說明函數(shù)的使用方法。

假設一個，N是樣本數(shù)目，一般等于batch size， D是類別數(shù)目。我們想知道每個樣本的最可能屬于的那個類別，其實可以用torch.max得到。如果要使用topk，則k應該設置為1。

import torch

pred = torch.randn((4, 5))
print(pred)
values, indices = pred.topk(1, dim=1, largest=True, sorted=True)
print(indices)
# 用max得到的結(jié)果，設置keepdim為True，避免降維。因為topk函數(shù)返回的index不降維，shape和輸入一致。
_, indices_max = pred.max(dim=1, keepdim=True)

print(indices_max == indices)
# pred
tensor([[-0.1480, -0.9819, -0.3364, 0.7912, -0.3263],
    [-0.8013, -0.9083, 0.7973, 0.1458, -0.9156],
    [-0.2334, -0.0142, -0.5493, 0.0673, 0.8185],
    [-0.4075, -0.1097, 0.8193, -0.2352, -0.9273]])
# indices, shape為 【4,1】,
tensor([[3],  #【0,0】代表 第一個樣本最可能屬于第一類別
    [2],  # 【1, 0】代表第二個樣本最可能屬于第二類別
    [4],
    [2]])
# indices_max等于indices
tensor([[True],
    [True],
    [True],
    [True]])

現(xiàn)在在嘗試一下k=2

import torch

pred = torch.randn((4, 5))
print(pred)
values, indices = pred.topk(2, dim=1, largest=True, sorted=True) # k=2
print(indices)
# pred
tensor([[-0.2203, -0.7538, 1.8789, 0.4451, -0.2526],
    [-0.0413, 0.6366, 1.1155, 0.3484, 0.0395],
    [ 0.0365, 0.5158, 1.1067, -0.9276, -0.2124],
    [ 0.6232, 0.9912, -0.8562, 0.0148, 1.6413]])
# indices
tensor([[2, 3],
    [2, 1],
    [2, 1],
    [4, 1]])

可以發(fā)現(xiàn)indices的shape變成了【4, k】，k=2。

其中indices[0] = [2,3]。其意義是說明第一個樣本的前兩個最大概率對應的類別分別是第3類和第4類。

大家可以自行print一下values?？梢园l(fā)現(xiàn)values的shape和indices的shape是一樣的。indices描述了在values中對應的值在pred中的位置。

以上這篇PyTorch中topk函數(shù)的用法詳解就是小編分享給大家的全部內(nèi)容了，希望能給大家一個參考，也希望大家多多支持腳本之家。

您可能感興趣的文章: