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])
以上这篇pytorch中torch.max和Tensor.view函数用法详解就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持。
免责声明：本站文章均来自网站采集或用户投稿，网站不提供任何软件下载或自行开发的软件！ 如有用户或公司发现本站内容信息存在侵权行为，请邮件告知！ 858582#qq.com
P70系列延期，华为新旗舰将在下月发布
3月20日消息，近期博主@数码闲聊站 透露，原定三月份发布的华为新旗舰P70系列延期发布，预计4月份上市。
而博主@定焦数码 爆料，华为的P70系列在定位上已经超过了Mate60，成为了重要的旗舰系列之一。它肩负着重返影像领域顶尖的使命。那么这次P70会带来哪些令人惊艳的创新呢？
根据目前爆料的消息来看，华为P70系列将推出三个版本，其中P70和P70 Pro采用了三角形的摄像头模组设计，而P70 Art则采用了与上一代P60 Art相似的不规则形状设计。这样的外观是否好看见仁见智，但辨识度绝对拉满。