torch.argmax()函數(shù)解析

1. 官網(wǎng)鏈接

torch.argmax()，如下圖所示：

2. torch.argmax(input)函數(shù)解析

torch.argmax(input) → LongTensor

將輸入input張量，無論有幾維，首先將其reshape排列成一個(gè)一維向量，然后找出這個(gè)一維向量里面最大值的索引。

3. 代碼舉例

import torch
x = torch.randn(3,4)
y = torch.argmax(x)#對應(yīng)于x中最大元素的索引值
x,y

輸出結(jié)果如下：

import torch
x = torch.randn(3,4)
y = torch.argmax(x)#對應(yīng)于x中最大元素的索引值
x,y

4. torch.argmax(input,dim) 函數(shù)解析

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

函數(shù)返回其他所有維在這個(gè)維度上面張量最大值的索引。

torch.argmax()函數(shù)中dim表示該維度會(huì)消失，可以理解為最終結(jié)果該維度大小是1，表示將該維度壓縮成維度大小為1。

舉例理解：

對于一個(gè)維度為(d0,d1) 的矩陣來說，dim=1表示求每一行中最大數(shù)的在該行中的列號(hào)，最后得到的就是一個(gè)維度為(d0,1) 的二維矩陣，最終列這一維度大小為1就要消失了，最終結(jié)果變成一維張量(d0)；
dim=0表示求每一列中最大數(shù)的在該列中的行號(hào)，最后我們得到的就是一個(gè)維度為(1，d1) 的二維矩陣，結(jié)果行這一維度大小為1就要消失了，最終結(jié)果變成一維張量(d1)。

因此，我們想要求每一行最大的列標(biāo)號(hào)，我們就要指定dim=1，表示我們不要列了，保留行的size就可以了。

假如我們想求每一列的最大行標(biāo)，就可以指定dim=0，表示我們不要行了，求出每一列的最大值的下標(biāo)，最后得到（1,d1）的一維矩陣。

5. 代碼舉例

5.1 輸入二維張量torch.Size([3, 4])，dim=0表示將dim=0這個(gè)維度大小由3壓縮成1，然后找到dim=0這三個(gè)值中最大值的索引，這個(gè)索引表示dim=0行索引標(biāo)號(hào)，結(jié)果張量維度變?yōu)閠orch.Size([4])。

import torch
x = torch.randn(3,4)
y = torch.argmax(x,dim=0)#dim=0表示將dim=0這個(gè)維度大小由3壓縮成1，然后找到dim=0這三個(gè)值中最大值的索引，這個(gè)索引表示dim=0行索引標(biāo)號(hào)
x,x.shape,y,y.shape

輸出結(jié)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 輸入二維張量torch.Size([3, 4])，dim=1表示將dim=1這個(gè)維度大小由4壓縮成1，然后找到dim=1這四個(gè)值中最大值的索引，這個(gè)索引表示dim=1列索引標(biāo)號(hào)，結(jié)果張量維度變?yōu)閠orch.Size([3])。

import torch
x = torch.randn(3,4)
y = torch.argmax(x,dim=1)#dim=1表示將dim=1這個(gè)維度大小由4壓縮成1，然后找到dim=1這四個(gè)值中最大值的索引，這個(gè)索引表示dim=1列索引標(biāo)號(hào)
x,x.shape,y,y.shape

輸出結(jié)果如下：

(tensor([[ 0.1549,  0.4331,  0.3575,  1.1077],
         [ 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 輸入三維張量torch.Size([2, 3, 4])，dim=0表示將dim=0這個(gè)維度大小由2壓縮成1，然后找到dim=0這兩個(gè)值中最大值的索引，這個(gè)索引表示dim=0維索引標(biāo)號(hào)。

dim=0,即將第一個(gè)維度消除，也就是將兩個(gè)[34]矩陣只保留一個(gè)，因此要在兩組中作比較，即將上下兩個(gè)[34]的矩陣分別在對應(yīng)的位置上比較大小，結(jié)果矩陣張量維度變?yōu)閠orch.Size([3, 4])。

import torch
x = torch.randn(2,3,4)
y = torch.argmax(x,dim=0)#dim=0表示將dim=0這個(gè)維度大小由2壓縮成1，然后找到dim=0這兩個(gè)值中最大值的索引，這個(gè)索引表示dim=0維索引標(biāo)號(hào)
x,x.shape,y,y.shape

輸出結(jié)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 輸入三維張量torch.Size([2, 3, 4])，dim=1表示將dim=1這個(gè)維度大小由3壓縮成1，然后找到dim=1這三個(gè)值中最大值的索引，這個(gè)索引表示dim=1維索引標(biāo)號(hào)。

dim=1，即將第二個(gè)維度消除（縱向壓縮成一維），結(jié)果矩陣張量維度變?yōu)閠orch.Size([2, 4])。

import torch
x = torch.randn(2,3,4)
y = torch.argmax(x,dim=1)#dim=1表示將dim=1這個(gè)維度大小由3壓縮成1，然后找到dim=1這三個(gè)值中最大值的索引，這個(gè)索引表示dim=1維索引標(biāo)號(hào)
x,x.shape,y,y.shape

輸出結(jié)果如下：

(tensor([[[-1.7136,  0.5528,  0.5171,  1.2978],
          [ 1.0250, -0.2687,  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 輸入三維張量torch.Size([2, 3, 4])，dim=2表示將dim=2這個(gè)維度大小由4壓縮成1，然后找到dim=2這四個(gè)值中最大值的索引，這個(gè)索引表示dim=2維索引標(biāo)號(hào)。dim=2,即將第三個(gè)維度消除（橫向壓縮成一維），結(jié)果矩陣張量維度變?yōu)閠orch.Size([2, 3])。

import torch
x = torch.randn(2,3,4)
y = torch.argmax(x,dim=2)#dim=2表示將dim=2這個(gè)維度大小由4壓縮成1，然后找到dim=2這四個(gè)值中最大值的索引，這個(gè)索引表示dim=2維索引標(biāo)號(hào)
x,x.shape,y,y.shape

輸出結(jié)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]),
 tensor([[1, 1, 3],
         [3, 0, 0]]),
 torch.Size([2, 3]))

總結(jié)

以上為個(gè)人經(jīng)驗(yàn)，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。

最新評論